Opencv基础操作-腐蚀操作-膨胀操作

腐蚀操作

腐蚀操作原理(使价值信息越来越少)

初始化一个核(初始化大小和尺寸),类似于一个滑动窗口,在目标图像上面进行遍历,若这个窗口内图像的像素都大于或者都小于窗口元素(都为前景或者背景)则不进行操作,若不同,则将窗口内对应的图像像素进行腐蚀操作(将窗口内的图像元素替换为窗口内图像元素的最小值)。即若窗口内的图像像素相同,不进行操作,若不同,则将将窗口内的图像元素替换为窗口内图像像素的最小值。(腐蚀膨胀操作一般应用于灰度图或者二值图,所有最大值与最小值一般分别为1和0)

腐蚀操作的标准范式

# 定义腐蚀操作的结构元素
kernel = np.ones((3, 3), np.uint8)  # 可以调整结构元素的大小和形状

# 进行腐蚀操作
eroded_image = cv2.erode(image, kernel, iterations=1)

初始化核的大小,越大一次性比较的区域越大,则一次迭代腐蚀的区域会越大,定义迭代次数,即对输入进行多少次腐蚀。

腐蚀前后结果对比

def read_img(img_path, mode=cv2.IMREAD_COLOR):
    """

    :param mode:
    :param img_path: 图像路径
    :return: array
    """
    return cv2.imread(img_path, mode)


def img_show(name, img):
    """

    :param name: 窗口名称
    :param img: 图像数据array
    """
    cv2.imshow(name, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

if __name__ == '__main__':
    img_path_3 = '780.jpg'
    # 默认读取BGR
    image_3 = read_img(img_path_3)
    img_3 = cv2.resize(image_3, (224, 224))
    # 腐蚀操作
    kernel = np.zeros((5, 5), np.uint8)
    erosion = cv2.erode(img_3, kernel, iterations=1)
    result = np.hstack((img_3, erosion))
    img_show('==', result)

结果:
在这里插入图片描述


不同腐蚀次数结果对比

def read_img(img_path, mode=cv2.IMREAD_COLOR):
    """

    :param mode:
    :param img_path: 图像路径
    :return: array
    """
    return cv2.imread(img_path, mode)


def img_show(name, img):
    """

    :param name: 窗口名称
    :param img: 图像数据array
    """
    cv2.imshow(name, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

if __name__ == '__main__':
    img_path_3 = '780.jpg'
    # 默认读取BGR
    image_3 = read_img(img_path_3)
    img_3 = cv2.resize(image_3, (224, 224))
    # 腐蚀操作
    kernel = np.zeros((5, 5), np.uint8)
    erosion_1 = cv2.erode(img_3, kernel, iterations=1)
    erosion_2 = cv2.erode(img_3, kernel, iterations=2)
    erosion_3 = cv2.erode(img_3, kernel, iterations=3)
    result = np.vstack((erosion_1, erosion_2, erosion_3))
    img_show('--', result)

在这里插入图片描述
迭代次数越多,腐蚀程度越大,迭代次数在一定程度上等效于窗口大小


膨胀操作

膨胀操作原理(腐蚀的逆操作)

初始化一个核(初始化大小和尺寸),类似于一个滑动窗口,在目标图像上面进行遍历,若这个窗口内图像的像素都大于或者都小于窗口元素(都为前景或者背景)则不进行操作,若不同,则将窗口内对应的图像像素进行膨胀操作(将窗口内的图像元素替换为窗口内图像元素的最大值)。即若窗口内的图像像素相同,不进行操作,若不同,则将将窗口内的图像元素替换为窗口内图像像素的最大值.(腐蚀膨胀操作一般应用于灰度图或者二值图,所有最大值与最小值一般分别为1和0)

标准范式

    kernel = np.ones((5, 5), np.uint8)
    erosion = cv2.dilate(img_3, kernel, iterations=1)

样例

def read_img(img_path, mode=cv2.IMREAD_COLOR):
    """

    :param mode:
    :param img_path: 图像路径
    :return: array
    """
    return cv2.imread(img_path, mode)


def img_show(name, img):
    """

    :param name: 窗口名称
    :param img: 图像数据array
    """
    cv2.imshow(name, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

if __name__ == '__main__':
    img_path_3 = '780.jpg'
    # 默认读取BGR
    image_3 = read_img(img_path_3)
    img_3 = cv2.resize(image_3, (224, 224))
    # 随机生成噪声数据
    noise = np.random.normal(0, 1, img_1.shape).astype(np.uint8)
    # 腐蚀操作
    kernel = np.ones((5, 5), np.uint8)
    erosion = cv2.dilate(img_3, kernel, iterations=1)
    result = np.hstack((img_3, erosion))
    img_show('==', result)

    erosion_1 = cv2.dilate(img_3, kernel, iterations=1)
    erosion_2 = cv2.dilate(img_3, kernel, iterations=2)
    erosion_3 = cv2.dilate(img_3, kernel, iterations=3)
    result = np.vstack((erosion_1, erosion_2, erosion_3))
    img_show('--', result)

膨胀一次
在这里插入图片描述
膨胀多次
在这里插入图片描述

总结

图像选的不太合适呀,对于膨胀和腐蚀原理的解释和官方的不太一致,是我自己的理解。总得来说,腐蚀/膨胀操作就是通过一个滑动窗口,若滑动窗口内图像的元素不完全一致,则执行膨胀或者腐蚀,将窗口内图像的像素置为前景或者背景,一般应用于灰度图和二值图

若理解有误,欢迎大家指正

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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