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(nèi)核在圖像中滑動（如在2D卷積中）.只有當(dāng)內(nèi)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(rèn)為是1，否則它會被侵蝕（變?yōu)榱?#xff09;.
邊界附近的所有像素都將被丟棄，具體取決于內(nèi)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(qū)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 npimg = 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：
2膨脹
它恰好與侵蝕相反。 這里，如果內(nèi)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(qū)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(qū)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 npimg = 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 pltimg = 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(nèi)的小孔或?qū)ο笊系男『邳c.
代碼：
import cv2
import numpy as npimg = 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()
5形態(tài)學(xué)梯度
圖像的膨脹和腐蝕之間的差異，結(jié)果看起來像目標(biāo)的輪廓
代碼：
import cv2
import numpy as npimg = 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(qū)別，突出原圖像中比周圍亮的區(qū)域
代碼：
import cv2
import numpy as npimg = 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(qū)域
代碼：
import cv2
import numpy as npimg = 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(jié)構(gòu)元素
我們在Numpy的幫助下創(chuàng)建了前面示例中的矩形結(jié)構(gòu)元素. 但在某些情況下，可能需要橢圓/圓形內(nèi)核。 所以為此，OpenCV有一個函數(shù)cv2.getStructuringElement（）. 只需傳遞內(nèi)核的形狀和大小，即可獲得所需的內(nèi)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)
《新程序員》：云原生和全面數(shù)字化實踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀
總結(jié)
以上是生活随笔為你收集整理的opencv python 图像形态学操作/图像腐蚀/图像膨胀/开运算/闭运算/顶帽/黑帽的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。
