摘要:圖像腐蝕腐蝕的基本思想侵蝕前景物體的邊界總是試圖保持前景為白色內核在圖像中滑動如在卷積中只有當內核下的所有像素都是時,原始圖像中的像素或才會被認為是,否則它會被侵蝕變為零邊界附近的所有像素都將被丟棄,具體取決于內核的大小因此,前景對象的厚度
Morphological Transformations
1圖像腐蝕腐蝕的基本思想:侵蝕前景物體的邊界(總是試圖保持前景為白色);內核在圖像中滑動(如在2D卷積中).只有當內核下的所有像素都是1時,原始圖像中的像素(1或0)才會被認為是1,否則它會被侵蝕(變為零).
邊界附近的所有像素都將被丟棄,具體取決于內核的大小.因此,前景對象的厚度或大小減小,或者圖像中的白色區域減小.
它有助于消除小的白噪聲,分離兩個連接的對象
原圖:
代碼:
import cv2 import numpy as np img = cv2.imread("img7.png",0) kernel = np.ones((5,5),np.uint8) erosion = cv2.erode(img,kernel,iterations = 1) cv2.imshow("src",img) cv2.imshow("show",erosion) cv2.waitKey()
效果圖:
它恰好與侵蝕相反。 這里,如果內核下的至少一個像素為“1”,則像素元素為“1”. 因此它增加了圖像中的白色區域或前景對象的大小增加.
通常,在去除噪音的情況下,腐蝕之后是膨脹.因為,侵蝕會消除白噪聲,但它也會縮小我們的物體,所以我們膨脹它,由于噪音消失了,它們不會再回來,則我們的物體區域會增加。 它也可用于連接對象的破碎部分.
代碼:
import cv2 import numpy as np img = cv2.imread("img7.png",0) kernel = np.ones((5,5),np.uint8) dilation = cv2.dilate(img,kernel,iterations = 1) cv2.imshow("src",img) cv2.imshow("show",dilation) cv2.waitKey()3開運算
cv2.morphologyEx() :先腐蝕再膨脹,有助于消除噪音.
代碼:
import cv2 import numpy as np import matplotlib.pylab as plt img = cv2.imread("img8.png",0) kernel = np.ones((5,5),np.uint8) opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel) cv2.imshow("src",img) cv2.imshow("show",opening) cv2.waitKey()4閉運算
先膨脹后腐蝕,用于消除前景對象內的小孔或對象上的小黑點.
代碼:
import cv2 import numpy as np img = cv2.imread("img9.png",0) kernel = np.ones((5,5),np.uint8) closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel) cv2.imshow("src",img) cv2.imshow("show",closing) cv2.waitKey()
圖像的膨脹和腐蝕之間的差異,結果看起來像目標的輪廓
代碼:
import cv2 import numpy as np img = cv2.imread("img7.png",0) kernel = np.ones((5,5),np.uint8) gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel) cv2.imshow("src",img) cv2.imshow("show",gradient) cv2.waitKey()6頂帽(Top Hat)
原圖像與開運算圖的區別,突出原圖像中比周圍亮的區域
代碼:
import cv2 import numpy as np img = cv2.imread("img7.png",0) kernel = np.ones((5,5),np.uint8) tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel) cv2.imshow("src",img) cv2.imshow("show",tophat) cv2.waitKey()7黑帽(Black Hat)
閉運算圖 - 原圖像,突出原圖像中比周圍暗的區域
代碼:
import cv2 import numpy as np img = cv2.imread("img7.png",0) kernel = np.ones((5,5),np.uint8) blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel) cv2.imshow("src",img) cv2.imshow("show",blackhat) cv2.waitKey()結構元素
我們在Numpy的幫助下創建了前面示例中的矩形結構元素. 但在某些情況下,可能需要橢圓/圓形內核。 所以為此,OpenCV有一個函數cv2.getStructuringElement(). 只需傳遞內核的形狀和大小,即可獲得所需的內核.
代碼:
# Rectangular Kernel cv2.getStructuringElement(cv2.MORPH_RECT,(5,5)) Out[4]: array([[1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1]], dtype=uint8) # Elliptical Kernel cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5)) Out[5]: array([[0, 0, 1, 0, 0], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [0, 0, 1, 0, 0]], dtype=uint8) # Cross-shaped Kernel cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5)) Out[6]: array([[0, 0, 1, 0, 0], [0, 0, 1, 0, 0], [1, 1, 1, 1, 1], [0, 0, 1, 0, 0], [0, 0, 1, 0, 0]], dtype=uint8)
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/42010.html
??歡迎訂閱《從實戰學python》專欄,用python實現爬蟲、辦公自動化、數據可視化、人工智能等各個方向的實戰案例,有趣又有用!?? 更多精品專欄簡介點這里 治愈生活的良方 就是保持對生活的熱愛 前言 哈嘍,大家好,我是一條。 每次和女朋友出去玩,拍照是必須的,天氣好還行,天氣要是不好,加上我這破手機,那拍的簡直慘不忍睹,自己都不過去。 但是沒什么能難倒程序員的,為了不挨罵,連夜寫出去霧...
摘要:數學形態學關注的是圖像中的形狀,它提供了一些方法用于檢測形狀和改變形狀。所以這個結果也會把形狀以外的噪點排除掉。你還可以查看其它筆記。參考資料圖像的膨脹與腐蝕數學形態學基本操作及其應用計算機視覺特征提取與圖像處理第三版 數學形態學(mathematical morphology)關注的是圖像中的形狀,它提供了一些方法用于檢測形狀和改變形狀。起初是基于二值圖像提出的,后來擴展到灰度圖像。...
小編寫這篇文章的主要目的,主要是給大家介紹關于python數字圖像處理的一些相關介紹,包括基本的形態學濾波,比如可以使用數字圖像去進行處理類似的形態學濾波。那么,具體的內容呢?下面就給大家詳細解答下。 引言 對圖像進行形態學變換。變換對象一般為灰度圖或二值圖,功能函數放在morphology子模塊內。 1、膨脹(dilation) 原理:一般對二值圖像進行操作。找到像素值為1的點,將它...
閱讀 2655·2023-04-26 02:44
閱讀 8251·2021-11-22 14:44
閱讀 2119·2021-09-27 13:36
閱讀 2463·2021-09-08 10:43
閱讀 676·2019-08-30 15:56
閱讀 1392·2019-08-30 15:55
閱讀 2887·2019-08-28 18:12
閱讀 2826·2019-08-26 13:50