利用Opencv+python实现下图的处理
一、实验目的
原图
处理结果如下图
二、实现代码
import cv2
import numpy as np
from skimage import morphology
img1 = cv2.imread("F:\\vas1.bmp")
cv2.imshow('img1',img1)
#自适应阈值分割
gray= cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
img2=cv2.adaptiveThreshold(gray,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,15,3)
cv2.imshow('img2',img2)
#反色
def inverse_color(img):
height,width = img.shape
img2 = img.copy()
for i in range(height):
for j in range(width):
img2[i,j] = (255-img[i,j])
return img2
img3 = inverse_color(img2)
cv2.imshow('img3',img3)
#对图像进行扩展
img4 = cv2.copyMakeBorder(img3,1,1,1,1,cv2.BORDER_REFLECT)
cv2.imshow('img4',img4)
#去除小于指定尺寸的区域
img5 = morphology.remove_small_holes(img2,150)
img_tmp1 = np.uint8(img5)*255
cv2.imshow('img5',inverse_color(img_tmp1))
img6 = morphology.remove_small_holes(img5,1000)
img6 = np.uint8(img6)*255
img7 = inverse_color(img6)
cv2.imshow('img6',inverse_color(img6))
#图像细化
img = img7.copy()
img = cv2.cvtColor(img,cv2.COLOR_GRAY2RGB)
gray= cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img=cv2.adaptiveThreshold(gray,1,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,15,3)
img_sk = morphology.skeletonize(img)
img = np.uint8(img_sk)*255
cv2.imshow('img8',inverse_color(img))
#边界提取
img9 = cv2.Canny(inverse_color(img6),75,200)
cv2.imshow('img9',img9)
cv2.imshow('img10',inverse_color(img9))
cv2.waitKey()
cv2.destroyAllWindows()
三、运行结果如下
局部自适应动态阈值分割
反色
扩展
去除小的区域
再次去除
边缘提取
反色
四、遇到的问题及解决办法
(1)在运行过程中出现错误,如下图
解决方法:
在进行自适应阈值分割时图像不是8位灰度图像,把图像改为彩色图。
gray= cv.cvtColor(src, cv.COLOR_BGR2GRAY)
(2)在进行图片细化时,出现错误
解决方法:
将cv2.adapttiveThreshold()函数中的255改成1,因为skeletonize需要的是0和1,而不是0和255
(3)在显示经过scimage的morphology模块进行去除某些区域时,无法显示去除后的图像
解决办法:
这种情况是因为在进行去除时,得到的结果是一个boolean数组,要转换为0-255才能显示,img6 = np.uint8(img6)*255可将数据从uint16转换为uint8,把0-1转换为0-255
(4)在利用morphology.skeletonize()进行图片的细化时,出现错误,提取结果如下
正确结果应该如下
这个问题还未解决