图像的基本运算——形态学处理

这篇博客介绍了图像处理中的基本形态学操作,包括腐蚀、膨胀、开运算、闭运算、梯度运算、礼貌运算和黑帽运算。通过示例代码展示了如何使用OpenCV库在Python中实现这些操作,并提供了每种操作的效果展示,对于理解和应用二值图像的形态学处理非常有帮助。
摘要由CSDN通过智能技术生成

图像的基本运算——形态学处理

注意:形态学所有操作针对二值图像!!!

1. 腐蚀操作(erode)

示例:

import cv2
import numpy as np
o = cv2.imread("image",cv2.IMREAD_UNCHANGED)
k = np.ones((5,5),np.uint8)
r = cv2.erode(o,k,iterations=2) #第一个参数是原图像,第二个参数是卷积核,第三个参数是迭代次数
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

2. 膨胀操作(dilate)

示例:

import cv2
import numpy as np
o=cv2.imread("image",cv2.IMREAD_UNCHANGED)
k=np.ones((5,5),np.uint8)
r=cv2.dilate(o,k,iterations=1)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

效果展示:

3. 开运算

开运算(image)=膨胀(腐蚀)

import cv2
import numpy as np
o=cv2.imread("image",cv2.IMREAD_UNCHANGED)
k=np.ones((6,6),np.uint8)
r=cv2.morphologyEx(o,cv2.MORPH_OPEN,k)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

效果展示

4. 闭运算

闭运算(image)=腐蚀(膨胀)

import cv2
import numpy as np
o=cv2.imread("image",cv2.IMREAD_UNCHANGED)
k=np.ones((5,5),np.uint8)
r=cv2.morphologyEx(o,cv2.MORPH_CLOSE,k)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

5. 梯度运算 Gradient (可以获取图像轮廓)

import cv2
import numpy as np
o=cv2.imread("image",cv2.IMREAD_UNCHANGED)
k=np.ones((5,5),np.uint8)
r=cv2.morphologyEx(o,cv2.MORPH_GRADIENT,k)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

6 礼貌运算 Tophat

礼貌(image)= image -开运算(image)

import cv2
import numpy as np
o=cv2.imread("image",cv2.IMREAD_UNCHANGED)
k=np.ones((5,5),np.uint8)
r=cv2.morphologyEx(o,cv2.MORPH_TOPHAT,k)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

7. 黑帽运算 blackhat

import cv2
import numpy as np
o=cv2.imread("image",cv2.IMREAD_UNCHANGED)
k=np.ones((10,10),np.uint8)
r=cv2.morphologyEx(o,cv2.MORPH_BLACKHAT,k)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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
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