计算机视觉及图像预处理 06-形态变换（三）

原创已于 2022-11-03 22:34:39 修改 · 728 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #opencv #python

于 2022-11-03 19:45:38 首次发布

深度学习专栏收录该内容

63 篇文章

订阅专栏

本文介绍了图像处理中的关键操作，包括透视变换、图像腐蚀、膨胀运算、开运算、闭运算及形态学梯度等技术。通过具体代码示例展示了如何使用OpenCV进行图像处理。

链接

跟着峰哥学计算机视觉所有需要用到的图片-深度学习文档类资源-优快云下载

代码

透视变换

import numpy as np
import cv2

im = cv2.imread("../data/pers.png")
rows, cols = im.shape[:2]
print(rows, cols)
cv2.imshow("im", im)

# 指定映射坐标
pts1 = np.float32([[58, 2], [167, 9], [9, 196], [126, 196]])#原坐标点
pts2 = np.float32([[16, 2], [167, 8], [8, 196], [169, 196]])#目标点坐标

# 生成透视变换矩阵
M = cv2.getPerspectiveTransform(pts1, pts2)

# 执行变换
dst = cv2.warpPerspective(im,  # 原始图像
                          M,  # 变换矩阵
                          (cols, rows))  # 输出图像大小
cv2.imshow("dst", dst)

# 手动设置阻塞函数
cv2.waitKey() # 等待用户按下任意键
cv2.destroyAllWindows() # 销毁所有的窗口

变换回去

import numpy as np
import cv2

im = cv2.imread("../data/pers.png")
rows, cols = im.shape[:2]
print(rows, cols)
cv2.imshow("im", im)

# 指定映射坐标
pts1 = np.float32([[58, 2], [167, 9], [9, 196], [126, 196]])
pts2 = np.float32([[16, 2], [167, 8], [8, 196], [169, 196]])

# 生成透视变换矩阵
M = cv2.getPerspectiveTransform(pts1, pts2)

# 执行变换
dst = cv2.warpPerspective(im,  # 原始图像
                          M,  # 变换矩阵
                          (cols, rows))  # 输出图像大小
cv2.imshow("dst", dst)

# 将矩形变成平行四边形
M = cv2.getPerspectiveTransform(pts2, pts1)
dst2 = cv2.warpPerspective(im,  # 原始图像
                          M,  # 变换矩阵
                          (cols, rows))  # 输出图像大小
cv2.imshow("dst2", dst2)

# 手动设置阻塞函数
cv2.waitKey()  # 等待用户按下任意键
cv2.destroyAllWindows()  # 销毁所有的窗口

图像腐蚀

腐蚀核是腐蚀区域的大小，参与腐蚀计算的一个参数

iteration 迭代次数，迭代次数越多，腐蚀的越厉害

# 图像腐蚀
import cv2
import numpy as np

im = cv2.imread("../data/5.png")
cv2.imshow("im", im)

# 腐蚀
kernel = np.ones((3, 3),  # 腐蚀核的大小，3×3的大小
                 np.uint8)  # 类型
erosion = cv2.erode(im,  # 腐蚀图像
                    kernel,  # 腐蚀核
                    iterations=3)  # 迭代次数
cv2.imshow("erosion",erosion)

cv2.waitKey()
cv2.destroyAllWindows()

膨胀运算

import cv2
import numpy as np

im = cv2.imread("../data/6.png")
cv2.imshow("im", im)

# 膨胀
kernel = np.ones((3, 3), np.uint8)
dilation = cv2.dilate(im,  # 图像
                      kernel,  # 膨胀核数
                      iterations=7)  # 迭代次数
cv2.imshow("dilation", dilation)

cv2.waitKey()
cv2.destroyAllWindows()

开运算

import cv2
import numpy as np

im1 = cv2.imread("../data/7.png")
im2 = cv2.imread("../data/8.png")

# 执行开运算
k = np.ones((10, 10), np.uint8)  # 计算核
r1 = cv2.morphologyEx(im1, cv2.MORPH_OPEN, k)
r2 = cv2.morphologyEx(im2, cv2.MORPH_OPEN, k)

cv2.imshow("im1", im1)
cv2.imshow("im2", im2)
cv2.imshow("r1", r1)
cv2.imshow("r2", r2)
cv2.waitKey()  # 等待用户按某个按键
cv2.destroyAllWindows()  # 销毁所有创建的窗口

闭运算

import cv2
import numpy as np

im1 = cv2.imread("../data/9.png")
im2 = cv2.imread("../data/10.png")

# 执行开运算
k = np.ones((8, 8), np.uint8)  # 计算核
r1 = cv2.morphologyEx(im1, cv2.MORPH_CLOSE, k)
r2 = cv2.morphologyEx(im2, cv2.MORPH_CLOSE, k)

cv2.imshow("im1", im1)
cv2.imshow("im2", im2)
cv2.imshow("r1", r1)
cv2.imshow("r2", r2)
cv2.waitKey()  # 等待用户按某个按键
cv2.destroyAllWindows()  # 销毁所有创建的窗口

形态学梯度

# 形态学梯度，膨胀的图像减腐蚀的图像
import cv2
import numpy as np

o = cv2.imread("../data/6.png")
k = np.ones((3, 3), np.uint8)  # 计算核
r = cv2.morphologyEx(o, cv2.MORPH_GRADIENT, k)  # 计算形态学梯度

cv2.imshow("o",o)
cv2.imshow("r",r)

cv2.waitKey()
cv2.destroyAllWindows()