引言 形态学是基于图像形状的基础变换,一般情况下对二值图像上做处理。需要输入两个参数:一、输入原始图像;二、结构化元素或核,决定操作性质。
一、腐蚀(Erosion) 操作原理:当内核下的所有像素都为1时,原始图像中的像素(要么为1,要么为0)才会被认为是1,否则会被腐蚀为零。所以腐蚀之后的结果取决于内核的大小,迭代的次数不同结果也会不同。
import matplotlib.pyplot as plt
import cv2
import numpy as np
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()
i=cv2.imread("C:/birdtemplet.bmp")
kernel=np.ones((5,5),np.uint8)
crosion=cv2.erode(i,kernel,iterations=2)
crosion1=cv2.erode(i,kernel,iterations=4)
i_1=np.hstack((i,crosion,crosion1))
cv_show('i_1',i_1)
iterations代表迭代的次数。结果如图所示:
文章图片
二、 膨胀 Dilation 膨胀是腐蚀的逆运算。它增加了图像中的白色区域,或者说增加了前景目标对象的尺寸大小。通常情况下,在腐蚀操作后就是膨胀操作。因为,腐蚀消除了白色的·噪音,但也缩小了前景图,所以我们要扩大它。
kernel=np.ones((5,5),np.uint8)
crosion=cv2.erode(i,kernel,iterations=2)
kernel=np.ones((5,5),np.uint8)
dilate=cv2.dilate(i,kernel,iterations=2)
i_2=np.hstack((i,crosion,dilate))
cv_show('i_2',i_2)
结果显示为原图,腐蚀图,膨胀图:
文章图片
三、开运算 先进行腐蚀,再进行膨胀叫做开运算。 通常情况下,含有噪声的图像二值化后,得到的边界是不平滑的,物体区域具有一些错判的孔洞,就要用到开运算。
opening=cv2.morphologyEx(i,cv2.MORPH_OPEN,kernel)
cv_show('opening',opening)
结果如图所示:
文章图片
四、闭运算 先膨胀再腐蚀。
closing=cv2.morphologyEx(i,cv2.MORPH_CLOSE,kernel)
cv_show('closing',closing)
结果如图所示:
文章图片
五、梯度运算(膨胀—腐蚀=梯度)
gradient=cv2.morphologyEx(i,cv2.MORPH_GRADIENT,kernel)
cv_show('gradient',gradient)
【opencv计算机视觉|Opencv形态学——腐蚀、膨胀、开运算与闭运算、梯度运算、礼帽、黑帽】结果如图所示:
文章图片
六、礼帽(原始输入-开运算结果)
tophat=cv2.morphologyEx(i,cv2.MORPH_TOPHAT,kernel)
i_3=np.hstack((i,opening,tophat))
cv_show('i_3',i_3)
结果如图所示:
文章图片
七、黑帽(闭运算-原始输入)
blackhat=cv2.morphologyEx(i,cv2.MORPH_BLACKHAT,kernel)
i_4=np.hstack((i,closing,blackhat))
cv_show('i_4',i_4)
结果如图所示:
文章图片
推荐阅读
- 算法|opencvcv4.0
- 深度学习|COCO数据集介绍
- 算法|图像相似度对比分析软件,图像相似度算法有哪些
- opencv|opencv python配置_1. OpenCV-Python——环境配置及图像基本操作
- 精简|精简 opencv python_01_opencv_python_基本图像处理
- python|Opencv学习笔记二——基本图像操作
- python|Opencv项目实战-信用卡数字识别
- python|基于OpenCV实战(动态物体检测)
- #|opencv实战——机器视觉检测和计数