十九、图像的形态学操作

一、图像形态学

图像形态学是图像处理学科的一个单独分支学科
主要针对的是灰度图和二值图像
是由数学的集合论以及数学中的拓扑几何原理发展而来
在这里插入图片描述

二、膨胀操作（dilate）

3×3的卷积核
在这里插入图片描述
在这里插入图片描述
以3×3为卷积核从左往右(从上往下)开始运行，若这卷积核内存在1，则用1替代中心元素。
最大值取代中心像素
白变多，黑变少

膨胀的作用：

对象大小增加一个像素(3×3)
平滑对象边缘
减少或者填充对象之间的距离

二值图

import cv2 as cv
import numpy as npdef dilate(image):print(image.shape)gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)cv.imshow("binary", binary)kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))dst = cv.dilate(binary, kernel)cv.imshow("dilate", dst)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\number.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
dilate(src)cv.waitKey(0)
cv.destroyAllWindows()

效果图如下：在这里插入图片描述
在这里插入图片描述
·彩色图·

import cv2 as cv
import numpy as npsrc = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\l.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
dst = cv.dilate(src, kernel)
cv.imshow("result", dst)cv.waitKey(0)
cv.destroyAllWindows()

效果图如下：
在这里插入图片描述

三、腐蚀操作（erode）

3×3的卷积核
在这里插入图片描述
在这里插入图片描述
以3×3为卷积核从左往右(从上往下)开始运行，若这卷积核内存在0，则用0替代中心元素。
最小值取代中心像素
黑变多，白变少

二值图

import cv2 as cv
import numpy as npdef erode(image):print(image.shape)gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)#图像二值化cv.imshow("binary", binary)kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 15))dst = cv.erode(binary, kernel)cv.imshow("erode", dst)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\number.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
erode_demo(src)cv.waitKey(0)
cv.destroyAllWindows()

效果图如下：在这里插入图片描述

在这里插入图片描述
彩色图

import cv2 as cv
import numpy as npsrc = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\l.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
dst = cv.erode(src, kernel)
cv.imshow("erode", dst)cv.waitKey(0)
cv.destroyAllWindows()

效果图如下：
在这里插入图片描述
腐蚀和膨胀针对彩色图像和二值图像

总结：膨胀---白变多黑变少、腐蚀---黑变多白变少

四、开操作（open）

开操作=腐蚀+膨胀
可以消除图像中小的干扰区域
cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)，若出现反转可以将参数设置为cv.THRESH_BINARY_INV

import cv2 as cv
import numpy as npdef open(image):print(image.shape)gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)cv.imshow("binary", binary)kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (5, 5))binary = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel)cv.imshow("open-result", binary)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\test.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
open(src)cv.waitKey(0)
cv.destroyAllWindows()

效果图如下：在这里插入图片描述
在这里插入图片描述

五、闭操作（close）

闭操作=膨胀+腐蚀
填充小的封闭区域

import cv2 as cv
import numpy as npdef close(image):print(image.shape)gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)cv.imshow("binary", binary)kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))binary = cv.morphologyEx(binary, cv.MORPH_CLOSE, kernel)cv.imshow("close_demo", binary)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\test1.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
close(src)cv.waitKey(0)
cv.destroyAllWindows()

效果图如下：在这里插入图片描述
在这里插入图片描述
开闭操作只针对二值图像
总结：开操作消除白点，闭操作消除黑点

六、顶帽（tophat）

原图像与开操作的差值图像

彩色图像

import cv2 as cv
import numpy as npdef tophat(image):gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 15))dst = cv.morphologyEx(gray, cv.MORPH_TOPHAT, kernel)"""若图片不够亮可以对图像进行整体增加亮度cimage = np.array(gray.shape, np.uint8)cimage = 120;dst = cv.add(dst, cimage)"""cv.imshow("tophat", dst)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\l.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
tophat(src)
cv.waitKey(0)cv.destroyAllWindows()

效果图如下：
在这里插入图片描述
二值图像

import cv2 as cv
import numpy as npdef tophat_binary(image):gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))dst = cv.morphologyEx(binary, cv.MORPH_TOPHAT, kernel)cv.imshow("tophat_binary", dst)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\test.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
tophat_binary(src)
cv.waitKey(0)cv.destroyAllWindows()

效果图如下：
在这里插入图片描述

七、黑帽（blackhat）

闭操作与原图像的差值图像
彩色图像

import cv2 as cv
import numpy as npdef blackhat(image):gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 15))dst = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, kernel)"""若图片不够亮可以对图像进行整体增加亮度cimage = np.array(gray.shape, np.uint8)cimage = 120;dst = cv.add(dst, cimage)"""cv.imshow("blackhat", dst)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\l.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
blackhat(src)
cv.waitKey(0)cv.destroyAllWindows()

效果图如下：
在这里插入图片描述
二值图像

import cv2 as cv
import numpy as npdef blackhat_binary(image):gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))dst = cv.morphologyEx(binary, cv.MORPH_BLACKHAT, kernel)cv.imshow("blackhat_binary", dst)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\test.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
blackhat_binary(src)
cv.waitKey(0)cv.destroyAllWindows()

效果图如下：
在这里插入图片描述

八、形态学梯度（Gradient）

基本梯度：膨胀后的图像减去腐蚀后的图像得到的差值图像
内部梯度：原图像减去腐蚀之后的图像得到的差值图像
外部梯度：图像膨胀之后减去原来的图像得到的差值图像

基本梯度

import cv2 as cv
import numpy as npdef base_gradient(image):gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))dst = cv.morphologyEx(binary, cv.MORPH_GRADIENT, kernel)cv.imshow("base_gradient", dst)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\test.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
base_gradient(src)cv.waitKey(0)
cv.destroyAllWindows()

效果图如下：
在这里插入图片描述
内梯度和外梯度

import cv2 as cv
import numpy as npdef ex_in_gradient(image):kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))dm = cv.dilate(image, kernel)em = cv.erode(image, kernel)dst1 = cv.subtract(image, em) # internal gradientdst2 = cv.subtract(dm, image) # external gradientcv.imshow("internal", dst1)cv.imshow("external", dst2)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\test.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
ex_in_gradient(src)cv.waitKey(0)
cv.destroyAllWindows()

效果图如下：
在这里插入图片描述

以上代码中，想要获取不同的需求只需要修改这个获取结构元素的方法中的参数即可cv.getStructuringElement(cv.MORPH_RECT, (15, 15))

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/377962.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

X名称空间(WPF)

X名称空间(WPF)

笔记简述 闲话x名称空间简要x名称空间的Attributex名称空间的标签扩展x名称空间的XAML指令元素闲话 本笔记参考与《深入浅出WPF》、MSDN、Some Blog… MSDN的飞机票点这里。 x名称空间简要 在VS中新建个WpfApplication都会自动生成xmlns:x"http://schemas.microsoft.com/w…
阅读更多...
基于Bresenham和DDA算法画线段

基于Bresenham和DDA算法画线段

直线：ykxb 为了将他在显示屏上显示出来，我们需要为相应的点赋值，那么考虑到计算机的乘法执行效率，我们肯定不会选择用Ykxb这个表达式求值，然后进行画线段。 我们应当是将它转化为加法运算。 下面提供两种常见的算法&am…
阅读更多...
leetcode 106. 从中序与后序遍历序列构造二叉树 105. 从前序与中序遍历序列构造二叉树思考分析

leetcode 106. 从中序与后序遍历序列构造二叉树 105. 从前序与中序遍历序列构造二叉树思考分析

目录1、106题目2、参考思路：递归切割数组3、105题目4、同样思路的代码1、106题目 2、参考思路：递归切割数组 代码参考：公众号：代码随想录 后序数组中序数组 以 后序数组(左右中)的最后一个元素作为切割点，先切中序数组…
阅读更多...
按频率对元素进行排序

按频率对元素进行排序

Prerequisite: 先决条件： Hashing data structure 散列数据结构 How to write user-defined comparator for priority queue STL in C? 如何在C 中为优先级队列STL编写用户定义的比较器？ How to sort a map based on values instead of value? 如何根…
阅读更多...
二十、分水岭算法

二十、分水岭算法

一、基本原理 分水岭算法主要是基于距离变换（distance transform），找到mark一些种子点，从这些种子点出发根据像素梯度变化进行寻找边缘并标记 分水岭：可以简单的理解成一座山，然后来洪水了，水开…
阅读更多...
细数WOW里暴雪的“亲儿子”们

细数WOW里暴雪的“亲儿子”们

. 不知何时，魔兽世界的词汇中忽然出现了一个新玩意：亲儿子。虽说这个称呼现在大多是拿来调侃法爷的，但江山代有儿子出，各领风骚一两天，今天风光无限的法爷们也经历过被其他职业压得抬不起头的小媳妇生涯。那么今天…
阅读更多...
Linux下串口ttyS2,ttyS3不能用的问题解决办法

Linux下串口ttyS2,ttyS3不能用的问题解决办法

PC104，Xlinux下，突然发现串口3,4不能用。。。 以为是硬件的问题，换成wince后，3,4工作正常，排除电路问题 在linux下查看dmesg: serial8250: ttyS0 at I/O 0x3f8 (irq 4) is a 16550Aserial8250: ttyS1 at I/O 0x2f8 (i…
阅读更多...
安卓log.e函数打印示例_log1p（）函数以及C ++中的示例

安卓log.e函数打印示例_log1p（）函数以及C ++中的示例

安卓log.e函数打印示例C log1p()函数 (C log1p() function) log1p() function is a library function of cmath header, it is used to get the natural logarithm (the base-e logarithm) of the one plus given value. It accepts a value (float, double, or long double) …
阅读更多...
【C++grammar】C++类数据成员的初始化

【C++grammar】C++类数据成员的初始化

目录1、类成员的就地初始化example2、构造函数初始化3、默认构造函数：Default Constructor4、举例5、成员的初始化方法的优先级1、类成员的就地初始化example class S { int m 7; // ok, copy-initializes m int n(7); // 错误：不允许用小括号初始化…
阅读更多...
二十一、人脸检测

二十一、人脸检测

一、识别图像中的人脸 haarcascade_frontalface_alt_tree.xml lbpcascade_frontalcatface.xml GitHub上有Haar级联检测器源代码可自行下载，lbp级联检测器也一样有源码可自行下载 也一样 import cv2 as cv import numpy as npdef face_detect(image):gray cv.cvtC…
阅读更多...
aspx特殊符号说明

aspx特殊符号说明

http://www.cnblogs.com/GnagWang/archive/2010/07/14/1777130.html转载于:https://www.cnblogs.com/mingyongcheng/archive/2011/11/24/2261253.html
阅读更多...
javascript运算符_JavaScript中的按位运算符

javascript运算符_JavaScript中的按位运算符

javascript运算符JavaScript按位运算符 (JavaScript Bitwise Operators) A lot of times you come across some strange operators where youre knocking your head to understand what is going on in the code. Almost all the programming languages have bitwise operators…
阅读更多...
[置顶] Android的IPC访问控制设计与实现

[置顶] Android的IPC访问控制设计与实现

3.3.1 IPC钩子函数设计与实现 IPC Binder是Android最重要的进程间通信机制，因此，必须在此实施强制访问控制。 1. 修改secuirty.h 打开终端shell，输入指令“cd /android4.0/kernel/goldfish/include/linux/vim security.h”，找到结…
阅读更多...
TensorFlow在Anaconda环境下创建

TensorFlow在Anaconda环境下创建

一、我使用的是Anaconda自带的Jupyter编译器，详细的安装教程可以参考博文 二、之后打开Jupyter 三、进行测试 我的tensorflow使用的是2.0版本 import tensorflow.compat.v1 as tf tf.disable_v2_behavior()a tf.constant([1.0,2.0],name"a") b tf.co…
阅读更多...
leetcode 654. 构造最大二叉树 思考分析

leetcode 654. 构造最大二叉树 思考分析

题目 给定一个不含重复元素的整数数组。一个以此数组构建的最大二叉树定义如下： 二叉树的根是数组中的最大元素。 左子树是通过数组中最大值左边部分构造出的最大二叉树。 右子树是通过数组中最大值右边部分构造出的最大二叉树。 通过给定的数组构建最大二叉树&am…
阅读更多...
Memcache的命令以及状态监控

Memcache的命令以及状态监控

输入telnet 127.0.0.1 11211（memcached默认端口为11211） stats ：使用stats命令查看当前memcache服务器的状态 pidmemcache服务器的进程IDuptime服务器已经运行的秒数time服务器当前的unix时间戳versionmemcache版本pointer_size当前操作系统 …
阅读更多...
flush python_带有示例的Python File flush（）方法

flush python_带有示例的Python File flush（）方法

flush python文件flush()方法 (File flush() Method) flush() method is an inbuilt method in Python, it is used to clear/flush the internal buffer, it is best practice while working with fila handling in Python, the internal buffer can be cleared before writin…
阅读更多...
c++ 请抛弃匈牙利命名法 - 变量命名代码风格的建议。

c++ 请抛弃匈牙利命名法 - 变量命名代码风格的建议。

我只针对c码农们讲，其他语言不了解不过应该大同小异。曾几何时翻开21天学通c系列等脑残入门书，都以匈牙利命名法示人（DWORD dwXXX, int nXXX, string strXXX)。现在我可以负责任的告诉你，把类型名写在前面屁用都没有，对…
阅读更多...
Pycharm更换anaconda环境空间

Pycharm更换anaconda环境空间

一、File—>Settings 或者直接快捷键 CtrlAltS 二、找到自己的项目—>Project Interpreter—>找到需要使用的anaconda环境空间 三、Add Local 四、G:\Anaconda3\envs\mask_rcnn\python.exe一般anaconda的envs文件夹下，找到你的环境空间名称，…
阅读更多...
android 应用demo截图

android 应用demo截图

ksoap2实现天气预报 Frame 动画 baidu map 转载于:https://www.cnblogs.com/java20130726/archive/2011/11/28/3218328.html
阅读更多...
最新文章

Copyright @ 2022~2023