一、彩色图形填充

1、初始效果展示

2、试错过程：

1、试错1：锐化显示所有图片

2、试错2：用礼帽提取出明亮部分

3、正确方式：直接对图片亮度增强（不用形态学处理）

总代码

二、硬币填充

1、初始效果展示

2、试错

1、如果对它进行亮度增强

2、对它进行亮度减小

3、分析原图

4、黑帽处理

1、椭圆形卷积核

2、矩形卷积核

5、设置合适的阈值，得到二值图

1、127阈值

2、30阈值

总代码

一、彩色图形填充

1、初始效果展示

# 转二值图
def ToBinary():global gray, binary# 1、灰度图gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)cv.imshow('imgray', gray)# 2、二进制图像ret, binary = cv.threshold(gray, 127, 255, 0)cv.imshow('binary', binary)

可以发现有些图形明显颜色不达标，甚至根本就没有显示。我们需要把所有图片轮廓锐化。

2、试错过程：

1、试错1：锐化显示所有图片

在灰度化之前，先进行锐化：

# 1、锐化kernel = np.array([[4, 4, 4],[4, -32, 4],[4, 4, 4]])sharp = cv.filter2D(img, -1, kernel)cv.imshow('sharp', sharp)

图像处理被锐化的同时，噪声也被锐化，不可取。

2、试错2：用礼帽提取出明亮部分

# 礼帽tophat = cv.morphologyEx(img, cv.MORPH_TOPHAT, (3,3), iterations=10)cv.imshow('tophat', tophat)

礼帽（顶帽）处理效果如下：

可以看出，还是没有达到预期的效果。

同时，发现顶帽和底帽（礼帽和黑帽）确实名副其实，在这里，一个提取顶，一个提取底。（^_^）看看黑帽（底帽）效果吧：

3、正确方式：直接对图片亮度增强（不用形态学处理）

直接增强图片的亮度：

# 1、亮度增强bright = cv.convertScaleAbs(img, None, 1.5, 30)cv.imshow('bright', bright)

很好，达到了想要的效果。

所以有的时候思维不要局限，有时候简单的方法反而能更好的达到目标。

总代码

# 二值图内部填充
import cv2 as cv
import numpy as np# 转二值图
def ToBinary():global gray, binary# 1、亮度增强bright = cv.convertScaleAbs(img, None, 1.5, 30)cv.imshow('bright', bright)# 2、灰度化gray = cv.cvtColor(bright, cv.COLOR_BGR2GRAY)cv.imshow('gray', gray)# 3、二进制图像ret, binary = cv.threshold(gray, 127, 255, 0)cv.imshow('binary', binary)if __name__ == '__main__':img = cv.imread('Resource/test7.jpg')cv.imshow('img', img)ToBinary()      #转二进制图像cv.waitKey(0)

二、硬币填充

1、初始效果展示

硬币直接转二值图效果：

可以看出：

1、右边的圈圈还是有一些瑕疵；

2、左边残留部分黑色区域。

2、试错

1、如果对它进行亮度增强

可以看出来，亮度增强明显是行不通的。

2、对它进行亮度减小

虽然能够填补空缺，但是它也被背景的黑色侵蚀的差不多了。

3、分析原图

感觉这张图像缺的不是亮度，个人感觉是暗度不均匀，因为右边图像出了问题，它和其他图像最大的区别就是过亮了。我们需要对其暗化。除了亮度变化，还有形态学能控制亮度：礼帽/黑帽。

4、黑帽处理

为了得到较暗的区域，我们需要对它进行黑帽处理。这里用矩形卷积核效果最好。

但默认是椭圆形，所以需要修改一下：

# 设置卷积核：矩形（默认椭圆形）kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (31, 31))

（卷积核默认椭圆形）

# 2、黑帽kernel = cv.getStructuringElement(cv.MORPH_RECT, (31, 31))blackhat = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, kernel, iterations=1)cv.imshow('blackhat', blackhat)

（一开始不知道，就是设置的默认椭圆形，改来改去没效果）

对比一下效果：

1、椭圆形卷积核

blackhat = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, (31,31), iterations=1)

2、矩形卷积核

# 设置卷积核：矩形（默认椭圆形）kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (31, 31))blackhat = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, kernel, iterations=1)

5、设置合适的阈值，得到二值图

# 3、得到二进制图像（要设置好合适的阈值）ret, binary = cv.threshold(blackhat, 30, 255, 0)cv.imshow('binary', binary)

别思维固化了，二值图的阈值不一定必须得是127，为了得到目标，可以设置为其它阈值。（比如这里设置为30最佳）

对比一下效果：

1、127阈值

可以看到，什么都没有

2、30阈值

总代码

# 二值图内部填充（图形和硬币）
import cv2 as cv
import numpy as np# 转二值图（图形）
def Figure_ToBinary():img = cv.imread('Resource/test7.jpg')cv.imshow('img', img)# 1、亮度增强bright = cv.convertScaleAbs(img, None, 1.5, 30)cv.imshow('bright', bright)# 2、灰度化gray = cv.cvtColor(bright, cv.COLOR_BGR2GRAY)cv.imshow('gray', gray)# 3、二进制图像ret, binary = cv.threshold(gray, 127, 255, 0)cv.imshow('binary', binary)#转二值图像（硬币）
def Coin_ToBinary():img = cv.imread('Resource/test9.jpg')cv.imshow('img', img)# 1、灰度化gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)cv.imshow('gray', gray)# 2、黑帽# 设置卷积核：矩形（默认椭圆形）kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (31, 31))blackhat = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, kernel, iterations=1)cv.imshow('blackhat', blackhat)# 3、得到二进制图像（要设置好合适的阈值）ret, binary = cv.threshold(blackhat, 30, 255, 0)cv.imshow('binary', binary)if __name__ == '__main__':Figure_ToBinary()      #转二值图像（图形）Coin_ToBinary()        #转二值图像（硬币）cv.waitKey(0)

OpenCV（实战）二值图颜色填充（彩色图形、硬币）相关推荐

OpenCV技巧 | 二值图孔洞填充方法与实现(附Python/C++源码)
点击上方"OpenCV与AI深度学习",选择加"星标"或"置顶" 重磅干货,第一时间送达导读本文主要介绍使用OpenCV对二值图做孔洞填 ...
C语言实现将彩色BMP位图转化为二值图
2019独角兽企业重金招聘Python工程师标准>>> CTF做了图片的隐写题,还没有形成系统的认识,先来总结一下BMP图的组成,并通过将彩色图转为二值图的例子加深下理解. 只写了位 ...
彩色图、灰度图和二值图
首先计算机中图像是用矩阵存储的,所以在分析图像时,应当用矩阵的眼光来看待 1.RGB模式(百万种颜色) 2.CMYK模式(四种印刷色) 3.索引模式(256种颜色) 4.灰度模式(256级灰度) 5. ...
利用OpenCV和C++实现由RGB图像转化为灰度图，再将灰度图转化为二值图的程序
#include<opencv2\opencv.hpp> #include<opencv2/imgproc/imgproc.hpp> #include<opencv2\i ...
python3 opencv 基于二值化图像素投影的图片切割方法
对于一些背景纯色,结构相对简单的图,可以利用传统的opencv图像处理进行分割.先来记录一下基于二值化图像素投影的图片切割方法的实现.比如下面这张图,可以利用这个算法进行切割.(源代码在最后面) 切割 ...
opencv：把三通道图转换成灰度图、二值图
#include <opencv2/core/core.hpp> #include<opencv2/highgui/highgui.hpp> #include<openc ...
Python BFS 提取二值图联通域
<Python BFS 提取二值图联通域> 2016年实习那会儿在京东搞身份证 OCR,那时候的OCR是基于 CNN 的单字识别的pipeline,所以就需要一些方法来对字符进行切割 ...
c语言实现灰度图转换为二值图
转载自:https://www.cnblogs.com/wd1001/p/4571916.html c语言实现灰度图转换为二值图将上篇得到的灰度图转换为二值图,读取像素数据,低于某一值置0,否则设置 ...
千张照片合成你一张美照-【OpenCV实战二】
如果你手头有很多很多她的照片,想要给她一个惊喜,你一定要知道这篇文章的威力! OpenCV图像处理其中经典的案例就是千图合成技术,通过对于不同图像的特征提取,再拼合成指定的图像.快去给你的她也搞一个吧 ...

OpenCV（实战）二值图颜色填充（彩色图形、硬币）

一、彩色图形填充

1、初始效果展示

2、试错过程：

1、试错1：锐化显示所有图片

2、试错2：用礼帽提取出明亮部分

3、正确方式：直接对图片亮度增强（不用形态学处理）

总代码

二、硬币填充

1、初始效果展示

2、试错

1、如果对它进行亮度增强

2、对它进行亮度减小

3、分析原图

4、黑帽处理

1、椭圆形卷积核

2、矩形卷积核

5、设置合适的阈值，得到二值图

1、127阈值

2、30阈值

总代码

OpenCV（实战）二值图颜色填充（彩色图形、硬币）相关推荐

最新文章

热门文章