pythonopencv图像形态_python+opencv图像形态学处理详细解释(膨胀、腐蚀、开闭运算、礼帽和黑猫)...
python+opencv图像形态学处理
本篇博客主要是关于形态学中的腐蚀、膨胀、开运算、闭运算、礼帽和黑帽的函数用法。
内容会比较,为方便查阅。代码的解释会写在代码中。
用于测试的图像原图:
一、腐蚀
关于腐蚀就是将图像的边界腐蚀掉,或者说使得图像整体上看起来变瘦了。它的操作原理就是卷积核沿着图像滑动,如果与卷积核对应的原图像的所有像素值都是1,那么中心元素保持原来的值,否则就变为0。这对于去除白噪声很有用,也可以用于断开两个连载一起的物体。
通俗的讲,腐蚀操作就是让图像整体看起来瘦一点。
但是老猫发现,这句话并不完全正确,腐蚀操作不一定会让图像变瘦,有可能还会让它变胖。
例如:
1 #腐蚀
2 #读取图像
3 img1=cv.imread("oldcat.jpg")4
5 #将图像进行反向二值化操作,即将白色部分变为黑色,黑色部分变为白色
6 #ret,img2=cv.threshold(img1,80,255,cv.THRESH_BINARY_INV)
7
8 #定义一个3*3的卷积核
9 kernel=np.ones((3,3),np.uint8)10
11 #图像腐蚀:cv2.erode(输入图像,卷积核,iterations=腐蚀的次数)
12 erosion=cv.erode(img1,kernel,iterations=1)13
14 #在图像上添加文本,方便分清每个操作相对应的图像
15 cv.putText(img1,"original",(150,230),cv.FONT_HERSHEY_COMPLEX,1,(0,0,255),2,8)16 cv.putText(erosion,"erosion",(150,230),cv.FONT_HERSHEY_COMPLEX,1,(0,0,255),2,8)17
18 #将原图像和腐蚀操作的图像放在同一个窗口显示
19 glay=np.hstack((img1,erosion))20 cv.imshow("glay",glay)21 cv.waitKey(0)22 cv.destroyAllWindows()
效果图:
可以发现:
相比于原图,腐蚀并没有变瘦,反而还“胖”了。
原因:
形态学处理是一个对二值化灰度图像的处理,主要是对白色图像的一个卷积操作。
由于原图字体是黑色,底色为白色,所以在进行腐蚀操作的时候,卷积核中只要有一个点为0,卷积核的中心点也会为0。
解决方法:
对原图像进行一个反向二值化处理,即将白色部分变为黑色,黑色部分变为白色
去掉上面代码ret,img2=cv.threshold(img,80,255,cv.THRESH_BINARY_INV)的注释,同时将erosion=cv.erode(img1,kernel,iterations=1)改为erosion=cv.erode(img2,kernel,iterations=1)
效果图:
如图所示:这样腐蚀处理的图像才会变瘦
二、膨胀
膨胀:卷积核所对应的原图像的像素值只要有一个是1,中心像素值就是1。一般在除噪是,先腐蚀再膨胀,因为腐蚀在去除白噪声的时候也会使图像缩小,所以我们之后要进行膨胀。当然也可以用来将两者物体分开。
例如:
1 importnumpy as np2 importcv2 as cv3 #膨胀
4 #读取图像
5 img1=cv.imread("oldcat.jpg",0)6
7 #将图像进行反向二值化操作,即将白色部分变为黑色,黑色部分变为白色
8 ret,img2=cv.threshold(img1,80,255,cv.THRESH_BINARY_INV)9
10 #定义一个3*3的卷积核
11 kernel=np.ones((3,3),np.uint8)12
13 #图像腐蚀:cv2.dilate(输入图像,卷积核,iterations=腐蚀的次数)
14 dilation=cv.dilate(img2,kernel,iterations=1)15
16 #在图像上添加文本,方便分清每个操作相对应的图像
17 cv.putText(img1,"original",(150,230),cv.FONT_HERSHEY_COMPLEX,1,(0,0,255),2,8)18
19 #将原图像和膨胀操作的图像放在同一个窗口显示
20 glay=np.hstack((img1,dilation))21 cv.imshow("glay",glay)22 cv.waitKey(0)23 cv.destroyAllWindows()
效果图:
腐蚀和膨胀是比较简单的。
三、开运算
了解形态学基本处理的同学都知道,开运算和闭运算就是将腐蚀和膨胀按照一定的次序进行处理。但这两者并不是可逆的,即先开后闭并不能得到原先的图像。
例如:
1 importnumpy as np2 importcv2 as cv3 #开运算
4 #先腐蚀,再膨胀
5 img1=cv.imread("oldcat.jpg",0)6 #反二值化,小于127设为255,即黑变白;大于127的设为 0,即白变黑。
7 ret,img2=cv.threshold(img1,127,255,cv.THRESH_BINARY_INV)8
9 #定义一个3*3的卷积核
10 kernel=np.ones((3,3),np.uint8)11
12 #开运算
13 opening2=cv.morphologyEx(img2,cv.MORPH_OPEN,kernel)14
15 #在图像上添加文本,方便分清每个操作相对应的图像
16 cv.putText(img1,"original",(150,230),cv.FONT_HERSHEY_COMPLEX,1,(0,0,255),2,8)17
18 #将原图像和开运算操作的图像放在同一个窗口显示
19 glay=np.hstack((img1,opening2))20 cv.imshow("glay",glay)21 cv.waitKey(0)22 cv.destroyAllWindows()
效果图:
四、闭运算
闭运算:就是先膨胀,后腐蚀,也是不可逆的。
1 importnumpy as np2 importcv2 as cv3 #闭运算
4 #先膨胀,后腐蚀
5 img1=cv.imread("oldcat.jpg",0)6 #反二值化,小于127设为255,即黑变白;大于127的设为 0,即白变黑。
7 ret,img2=cv.threshold(img1,127,255,cv.THRESH_BINARY_INV)8
9 #定义一个3*3的卷积核
10 kernel=np.ones((3,3),np.uint8)11
12 #闭运算
13 closing=cv.morphologyEx(img2,cv.MORPH_CLOSE,kernel)14
15 #在图像上添加文本,方便分清每个操作相对应的图像
16 cv.putText(img1,"original",(150,230),cv.FONT_HERSHEY_COMPLEX,1,(0,0,255),2,8)17
18 #将原图像和闭运算操作的图像放在同一个窗口显示
19 glay=np.hstack((img1,closing))20 cv.imshow("glay",glay)21 cv.waitKey(0)22 cv.destroyAllWindows()
效果图:
五、梯度运算
梯度运算,类似于提取轮廓。梯度=膨胀-腐蚀
例如:
1 importnumpy as np2 importcv2 as cv3 #梯度运算,类似于提取轮廓
4 #梯度=膨胀-腐蚀
5 img1=cv.imread("oldcat.jpg",0)6
7 #反二值化,小于127设为255,即黑变白;大于127的设为 0,即白变黑。
8 ret,img2=cv.threshold(img1,127,255,cv.THRESH_BINARY_INV)9
10 #定义一个3*3的卷积核
11 kernel=np.ones((3,3),np.uint8)12
13 #梯度运算
14 gradient=cv.morphologyEx(img2,cv.MORPH_GRADIENT,kernel)15
16 #在图像上添加文本,方便分清每个操作相对应的图像
17 cv.putText(img1,"original",(150,230),cv.FONT_HERSHEY_COMPLEX,1,(0,0,255),2,8)18
19 #将原图像和梯度运算操作的图像放在同一个窗口显示
20 glay=np.hstack((img1,gradient))21 cv.imshow("glay",glay)22 cv.waitKey(0)23 cv.destroyAllWindows()
效果图:
六、礼帽
礼帽就是原始初入减去开运算结果
例如:
1 importnumpy as np2 importcv2 as cv3 #礼帽,小线条
4 #礼帽=原始输入-运算结果
5 img1=cv.imread("oldcat.jpg",0)6 ret,img2=cv.threshold(img1,127,255,cv.THRESH_BINARY_INV)7 kernel=np.ones((3,3),np.uint8)8
9 #礼帽
10 tophat=cv.morphologyEx(img2,cv.MORPH_TOPHAT,kernel)11
12 #在图像上添加文本,方便分清每个操作相对应的图像
13 cv.putText(img1,"original",(150,230),cv.FONT_HERSHEY_COMPLEX,1,(0,0,255),2,8)14
15 #将原图像和礼帽运算操作的图像放在同一个窗口显示
16 glay=np.hstack((img1,tophat))17 cv.imshow("glay",glay)18 cv.waitKey(0)19 cv.destroyAllWindows()
效果图:
七、黑帽
黑帽=闭运算-原始输入
例如:
1 importnumpy as np2 importcv2 as cv3 #黑帽。只能看见大概轮廓
4 #黑帽=闭运算-原始输入
5 img1=cv.imread("oldcat.jpg",0)6 ret,img2=cv.threshold(img1,127,255,cv.THRESH_BINARY_INV)7 kernel=np.ones((3,3),np.uint8)8
9 #黑帽
10 blackhat=cv.morphologyEx(img2,cv.MORPH_BLACKHAT,kernel)11
12 #在图像上添加文本,方便分清每个操作相对应的图像
13 cv.putText(img1,"original",(150,230),cv.FONT_HERSHEY_COMPLEX,1,(0,0,255),2,8)14
15 #将原图像和开运算操作的图像放在同一个窗口显示
16 glay=np.hstack((img1,blackhat))17 cv.imshow("glay",glay)18 cv.waitKey(0)19 cv.destroyAllWindows()
效果图:
八、总结
本篇博客主要是关于图像形态学处理,文字描述虽然不多,但是每一行代码都有解释,并且每一个运算处理的效果图都有原图和处理后的图像对比。
图像形态学处理是针对灰度图的,所以在读取原图的过程中,直接关闭了颜色通道,虽然方便但也有不足,就是图像上,添加的文字信息也会失去颜色。具体可以观察腐蚀处理和膨胀处理再读取代码上的区别。
为了方便更容易理解,我是将原图进行了一个二值化反色处理,再进行相应的形态学处理。若不进行二值化反色处理,结果是跟我的效果图是不一样的。具体就是将代码中的二值化处理代码去掉,大家可以试一试,对比观察,更深的理解形态学处理是什么实现的。
实践出真知,博客的代码很完整,但还需要自己实际写一遍才能更加理解。
pythonopencv图像形态_python+opencv图像形态学处理详细解释(膨胀、腐蚀、开闭运算、礼帽和黑猫)...相关推荐
- OpenCV_05 形态学操作:连通性+腐蚀和膨胀+开闭运算+礼帽和黑帽
1 连通性 在图像中,最小的单位是像素,每个像素周围有8个邻接像素,常见的邻接关系有3种:4邻接.8邻接和D邻接.分别如下图所示: 4邻接:像素p(x,y)的4邻域是:(x+1,y):(x-1,y): ...
- Open_CV形态学运算专题 (腐蚀膨胀、开闭运算、梯度运算、顶帽运算黑帽运算 )【Python-Open_CV系列(十)】
Open_CV形态学运算专题 之 腐蚀&膨胀.开&闭运算.梯度运算.顶帽运算黑帽运算 [Python-Open_CV系列(十)] 文章目录 1. 腐 ...
- opencv 实现图像形态学操作 膨胀和腐蚀 开闭运算 形态学梯度 顶帽和黑帽
图像膨胀和腐蚀 图解 原理及python实现 更多内容:图像膨胀和腐蚀原理及python实现 opencv中膨胀和腐蚀函数 dilation = cv.dilate(img, kernel) # 膨胀 ...
- python+OpenCv笔记(七):图像的形态学操作(腐蚀与膨胀、开闭运算、礼帽与黑帽)
一.腐蚀与膨胀 腐蚀就是原图中高亮的部分被蚕食,效果图拥有比原图更小的高亮区域. 腐蚀的作用是:消除物体边界点,使目标缩小,可以消除小于结构元素的噪声点. 膨胀就是使原图中高亮的部分扩张,效果图拥有比 ...
- 图像形态学变换 膨胀和腐蚀 开闭运算 边缘检测 opencv实现
一. 官方文档: dilate(膨胀): 函数原型 ↑ 参数说明 ↑ cv.erode(腐蚀)的使用和其类似. 二. 实验:膨胀和腐蚀 # Writer : wojianxinygcl@163.com ...
- [图像形态学操作]——腐蚀和膨胀、开闭运算、黑帽礼帽
形态学转换是基于图像形状的一些简单操作,它通常在二进制图像上执行.腐蚀和膨胀是两个基本的形态学运算符.然后它的变体形式如:开运算.闭运算.礼帽黑帽等. 一.连通性 在图像学当中,图像的最小单位是像素, ...
- 开运算和闭运算_OpenCV计算机视觉学习(5)——形态学处理(腐蚀膨胀,开闭运算,礼帽黑帽,边缘检测)...
Fly-AI竞赛服务平台 flyai.com 在开始学习之前推荐大家可以多在FlyAI竞赛服务平台多参加训练和竞赛,以此来提升自己的能力.FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站 ...
- opencv 腐蚀 matlab,Opencv3编程入门笔记(4)腐蚀、膨胀、开闭运算、漫水填充、金字塔、阈值化、霍夫变换...
19 腐蚀erode.膨胀dilate 腐蚀和膨胀是针对图像中的白色部分(高亮部分)而言的,不是黑色的.除了输入输出图像外,还需传入模板算子element,opencv中有三种可以选择:矩形 ...
- pythonopencv图像形态_Python+OpenCV图像处理之其他形态学操作
顶帽(Top Hat): 原图像与开操作之间的差值图像,突出原图像中比周围亮的区域 黑帽(Black Hat): 闭操作图像与原图像的差值图像, 突出原图像中比周围暗的区域 形态学梯度(Gradien ...
最新文章
- 最经典的计算机网络新书推荐--计算机网络(第5版)Tanenbaum著中文版上市
- [导入]3.5 [ Enterprise Library ]注入模型设计
- php如何实现区分编辑,php实现编辑和保存文件的方法
- 在MAC系统的eclipse里打开android sdk manager
- 高度可定制化的方案_如何开发高度可定制的产品
- LeetCode1.两数之和
- 段错误之 memset 对类对象的误用
- linux设备驱动 注册 命令6,Linux设备驱动调试
- 《网上图书销售系统》功能需求
- 彩灯控制器课程设计vhdl_EDA课程设计彩灯控制器
- passing '' as 'this' argument discards qualifiers [-fpermissive]
- 侧入式LED背光源优缺点分析
- HR面试问题总结(HR面经)
- 关于RSA中间人攻击
- 7代服务器cpu型号,七代酷睿都有哪些型号?_笔记本新闻-中关村在线
- win7 错误代码 0x490 解决方法
- 年末巨献|大数据盛会!企业大数据落地高峰论坛倒计时,速速报名!
- AtCoder Grand Contest 012 B Splatter Painting(记忆化搜索)
- 置换群的整幂运算【置换群】
- python 购物车分析_Python购物车