内容简介:膨胀与腐蚀是图像形态学最基础的两个操作,形态学的其它操作都是基于这两个操作基础上得到的,图像形态学是二值图像分析的重要分支学科。在OpenCV中膨胀与腐蚀对应两个相关的API,膨胀可以看成是最大值滤波,即用最大值替换中心像素点;腐蚀可以看出是最小值滤波,即用最小值替换中心像素点。腐蚀:erode(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)膨胀:dilate(src, kerne
膨胀与腐蚀是图像形态学最基础的两个操作,形态学的其它操作都是基于这两个操作基础上得到的,图像形态学是二值图像分析的重要分支学科。在OpenCV中膨胀与腐蚀对应两个相关的API,膨胀可以看成是最大值滤波,即用最大值替换中心像素点;腐蚀可以看出是最小值滤波,即用最小值替换中心像素点。
import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('./img/g.jpg', 0) kernel = np.ones((15, 15), np.uint8) erosion = cv2.erode(img, kernel) dilate = cv2.dilate(img, kernel) kernel1 = cv2.getStructuringElement(cv2.MORPH_CROSS, (15, 15)) dilate1 = cv2.dilate(img, kernel1) plt.subplot(2, 2, 1) plt.imshow(img, "gray") plt.title("img") plt.subplot(2, 2, 2) plt.imshow(erosion, "gray") plt.title("erosion") plt.subplot(2, 2, 3) plt.imshow(dilate, "gray") plt.title("dilate") plt.subplot(2, 2, 4) plt.imshow(dilate1, "gray") plt.title("dilate1") plt.show() 复制代码
腐蚀:erode(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)
膨胀:dilate(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)
- src:要入图像
- kernel:结构元素
- dst:输出图像
- anchor:中心位置锚定
- iterations:循环次数
- borderValue:边缘填充类型
getStructuringElement(shape, ksize, anchor=None)
- shape:结构元素的类型
- MORPH_ELLIPSE:椭圆(默认)
- MORPH_CROSS:十字
- MORPH_RECT:矩形
- ksize:结构元素的大小
- anchor:中心位置锚定
2.形态转化
img = cv2.imread('./img/g1.jpg', 0) kernel = np.ones((5, 5), np.uint8) opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel) cv2.imshow("opening", opening) cv2.waitKey(0) img = cv2.imread('./img/g2.jpg', 0) kernel = np.ones((5, 5), np.uint8) opening = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel) cv2.imshow("opening", opening) cv2.waitKey(0) img = cv2.imread('./img/g.jpg', 0) kernel = np.ones((5, 5), np.uint8) gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel) cv2.imshow("gradient", gradient) cv2.waitKey(0) img = cv2.imread('./img/g.jpg', 0) kernel = np.ones((3, 3), np.uint8) tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel) cv2.imshow("tophat", tophat) cv2.waitKey(0) img = cv2.imread('./img/g.jpg', 0) kernel = np.ones((3, 3), np.uint8) blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel) cv2.imshow("tophat", tophat) cv2.waitKey(0) 复制代码
morphologyEx(src, op, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)
- src:要入图像
- op:形态学操作
- 开操作(MORPH_OPEN):腐蚀 + 膨胀
开操作的作用:开操作可以删除二值图像中小的干扰块,降低图像二值化之后噪点过多的问题 - 闭操作(MORPH_CLOSE):膨胀 + 腐蚀
闭操作的作用:闭操作可以填充二值图像中孔洞区域,形成完整的闭合区域连通组件 - 梯度操作的作用:主要提取连通组件的轮廓或边框
梯度操作分为:基础梯度(MORPH_GRADIENT),内梯度(MORPH_ERODE),外梯度(MORPH_DILATE) - 顶帽(MORPH_TOPHAT):原图 – 开操作
顶帽操作的作用:图像与开操作之间的差异,顶帽操作有时候对于我们提取图像中微小部分特别有用 - 黑帽操作 = 闭操作 – 原图 顶帽操作的作用:图像与闭操作之间的差异
- 开操作(MORPH_OPEN):腐蚀 + 膨胀
- kernel:结构元素
- dst:输出图像
- anchor:中心位置锚定
- iterations:循环次数
- borderValue:边缘填充类型
以上所述就是小编给大家介绍的《一起来学opencv(四):形态转换》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- Service Mesh 形态刍议
- 关于二叉树形态的推导
- 敏捷DoD和DoR的多种形态
- Opencv图像处理系列(五)—— 形态变化
- opencv中的图像形态学——腐蚀膨胀
- 深度 | 解读神经形态计算:从基本原理到实验验证
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。