Open CV系列学习笔记（二十）膨胀与腐蚀 2021-02-14

最新推荐文章于 2024-09-17 16:52:47 发布

原创最新推荐文章于 2024-09-17 16:52:47 发布 · 456 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #计算机视觉 #python

opencv学习笔记系列专栏收录该内容

27 篇文章

订阅专栏

本文介绍了OpenCV中的图像膨胀和腐蚀操作，这两种技术在二值图像处理中至关重要，通过结构元素控制对象的大小变化和边缘平滑。膨胀使对象变粗，腐蚀则细化对象。实例展示了使用3x3和自定义结构元素进行操作的过程。

Open CV系列学习笔记（二十）膨胀与腐蚀

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
灰度与二值图像处理中重要手段
是由数学的集合论等相关理论发展起来的
在这里插入图片描述

图像膨胀

膨胀是在二值图像中“加长”或“变粗”的操作。这种特殊的方式和变粗的程度由一个称为结构元素的集合控制。图中说明了膨胀的计算过程。图(a)显示了包含一个矩形对象的简单二值图像；图(b)是一个结构元素，在此例中它是一条5个像素长的斜线。计算时，结构元素通常用0和1的矩阵表示。有时，如图中所示，为方便起见可只显示1。另外，结构元素的原点必须明确标明。图(b)用黑色方框标明了结构元素的原点。图©明确地描述了膨胀处理，这种处理会将结构元素的原点平移过整个图像区域，并且核对哪些地方与值为I的像素重叠。图(d)所示的输出图像在原点的每个位置均为1,从而在输人图像中结构元素至少重叠了一个1值像素。
3x3的结构元素/模板
注意：
-腐蚀与膨胀都支持
-任意形状的结构元素
在这里插入图片描述

膨胀满足交换律：即A⊕B=B⊕A .在图像处理中，习惯于令A⊕B的第一个操作数为图像，而第二个操作数微结构元素，结构图像往往比元素小很多。
膨胀的作用
 对象大小增加一个像素(3x3)
 平滑对象边缘
 减少或者填充对象之间的距离.
代码：

def dilate_demo(image):#图像膨胀                                       
    print(image.shape)                                             
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)                   
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.
    cv.imshow("binary",binary)                                     
    kernel = cv.getStructuringElement(cv.MORPH_RECT,(5,10))        
    dst = cv.dilate(binary,kernel)                                 
    cv.imshow("erode_demo",dst)

结果:
在这里插入图片描述

图像腐蚀

腐蚀“收缩"或“细化”二值图像中的对象。像在膨胀中一样，收缩的方式和程度由一个结构元素控制。下图说明了腐蚀过程。图膨胀(a)和图腐蚀(a)相同，图腐蚀(b)是结构元素，即一条短垂直线。图腐蚀©生动地描述了腐蚀在整个图像区域平移结构元素的过程，并检查在哪里完全匹配图像的前景部分。图腐蚀(d)所示的输出图像中，结构元素原点的每个位置的值为1,因而该元素仅叠加了输人图像的1值像素(即它并不叠加任何图像背景)。

腐蚀的数学定义与膨胀相似，A被B腐蚀记为AB,定义为
在这里插入图片描述

换言之，A被B腐蚀是所有结构元素的原点位置的集合，其中平移的B与A的背景并不叠加。
在这里插入图片描述
腐蚀的作用
 对象大小减少1个像素(3x3)
 平滑对象边缘
 弱化或者分割图像之间的半岛型连接
代码：

def erode_demo(image):#图像腐蚀                                                       
    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,(8,10))                       
    dst = cv.erode(binary,kernel)                                                 
    cv.imshow("erode_demo",dst)

结果：
在这里插入图片描述

完整代码：

import cv2 as cv
import numpy as np


def erode_demo(image):#图像腐蚀
    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,(8,10))
    dst = cv.erode(binary,kernel)
    cv.imshow("erode_demo",dst)


def dilate_demo(image):#图像膨胀
    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,(5,10))
    dst = cv.dilate(binary,kernel)
    cv.imshow("erode_demo",dst)


print("--------HEllow Python-------")
src = cv.imread("E:/picture/01.jpg")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
erode_demo(src)
kernel = cv.getStructuringElement(cv.MORPH_RECT,(4,4))
dst = cv.erode(src,kernel)
cv.imshow("output",dst)

cv.waitKey(0)


cv.destroyAllWindows()