[图像形态学操作]——腐蚀和膨胀、开闭运算、黑帽礼帽

形态学转换是基于图像形状的一些简单操作,它通常在二进制图像上执行腐蚀和膨胀是两个基本的形态学运算符。然后它的变体形式如:开运算、闭运算、礼帽黑帽等

一、连通性

在图像学当中,图像的最小单位是像素,每个像素周围有8个邻接像素,常见的邻接关系有3种:4领接、D邻接和8邻接

连通性是描述区域和边界的重要概念,两个像素连通的两个必要条件是: 

1、两个像素的位置是否相邻

2、两个像素的灰度值是否满足特定的相似性准则(或者是否相等)

根据连通性的定义,有4连通、8连通和m连通三种

1、4连通和8连通

2、m连通

注:下图中红色代表与p、q像素值相同的像素点,即值为V的像素

二、腐蚀和膨胀

腐蚀和膨胀最基本的形态学操作,腐蚀和膨胀都是针对白色部分(高亮部分)而言的。

膨胀就是使图像中高亮部分扩张,效果图拥有比原图更大的高亮区域;腐蚀是原图中的高亮区域被蚕食,效果图拥有比原图更小的高亮区域。膨胀是求局部最大值的操作,腐蚀是求局部最小值的操作。

1、腐蚀

具体操作是:用一个结构元素扫描图像中的每一个元素,用结构元素中的每一个像素与其覆盖的像素做 "与" 操作,如果都是1,则该像素为1,否则为0,如下图所示,结构A被解构B腐蚀后:

注:在结构A中,对于任意一个像素只要其本身和对应上下左右位置 “与” 操作都为1,就保留该像素

(1)API

2、膨胀

具体的操作是:用一个结构元素扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做 “与” 操作,如果都为0,则该像素为0,否则为1,如下图所示,结构A被结构B膨胀后:

(1)API

3、腐蚀和膨胀简单使用

注:使用5x5的核结构对卷积进行腐蚀和膨胀操作

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
from matplotlib import font_manager
#设置字体
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/STHUPO.TTF")
#1、读取图像
img = cv.imread("images/j.png")

#2、创建核结构
kernel = np.ones((5,5), np.uint8)

#3、图像腐蚀和膨胀
erosion = cv.erode(img, kernel) #腐蚀
dilate = cv.dilate(img, kernel) #膨胀

#4、图像显示
fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(10,8), dpi=100)
axes[0].imshow(img)
axes[0].set_title("原图", fontproperties=my_font)
axes[1].imshow(erosion)
axes[1].set_title("腐蚀后的结果", fontproperties=my_font)
axes[2].imshow(dilate)
axes[2].set_title("膨胀后的结果", fontproperties=my_font)
plt.show()

 三、开闭运算

开运算和闭运算是将腐蚀和膨胀按照一定的次序进行处理。但两者并不是可逆的,即先开后闭并不能得到原来的图像。

1、开运算

开运算是先腐蚀后膨胀,其作用是:分离物体,消除小区域。特点是:消除噪点,去除小的干扰块,而不影响原来的图像。

2、闭运算

闭运算与开运算相反,是先膨胀后腐蚀,作用是:消除/ “闭合”物体里的孔洞。特点是:可以填充闭合区域。

3、开闭运算API

4、简单案例

注:使用10x10的核结构对卷积进行开闭运算的实现。

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
from matplotlib import font_manager
#设置字体
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/STHUPO.TTF")

#1、读取图像
img1 = cv.imread("./images/opening1.png")
img2 = cv.imread("./images/closing1.png")

#2、创建核结构
kernel = np.ones((10,10), np.uint8)

#3、图像的开闭运算
cvOpen  = cv.morphologyEx(img1, cv.MORPH_OPEN, kernel) #开运算 消除噪点
cvClose = cv.morphologyEx(img2, cv.MORPH_CLOSE, kernel)#闭运算 填补空洞

#4、图像显示
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10,8))
axes[0,0].imshow(img1)
axes[0,0].set_title("原图", fontproperties=my_font)
axes[0,1].imshow(cvOpen)
axes[0,1].set_title("开运算结果", fontproperties=my_font)
axes[1,0].imshow(img2)
axes[1,0].set_title("原图", fontproperties=my_font)
axes[1,1].imshow(cvClose)
axes[1,1].set_title("闭运算结果", fontproperties=my_font)
plt.show()

四、黑帽礼帽

1、礼帽

2、黑帽

 3、API

4、简单案例

注:使用10x10的核结构对卷积进行开闭运算的实现。

import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv
from matplotlib import font_manager
#字体设置
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/STHUPO.TTF")

#1、读取图像
img1 = cv.imread("./images/opening1.png")
img2 = cv.imread("./images/closing1.png")

#2、创建核结构
kernel = np.ones((10,10), np.uint8)

#3、图像的礼帽和黑帽运算
cvOpen = cv.morphologyEx(img1, cv.MORPH_TOPHAT, kernel)   #礼帽运算
cvClose = cv.morphologyEx(img2, cv.MORPH_BLACKHAT, kernel)#黑帽运算

#4、图像显示
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10,8))
axes[0,0].imshow(img1)
axes[0,0].set_title("原图", fontproperties=my_font)
axes[0,1].imshow(cvOpen)
axes[0,1].set_title("礼帽运算结果", fontproperties=my_font)
axes[1,0].imshow(img2)
axes[1,0].set_title("原图", fontproperties=my_font)
axes[1,1].imshow(cvClose)
axes[1,1].set_title("黑帽运算结果", fontproperties=my_font)
plt.show()

  • 3
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Star星屹程序设计

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值