opencv 2 -- 形态学处理

原图展示
这里写图片描述
一、 图像腐蚀
图像腐蚀:
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,那么中心元素就保持原来的像素值,否则就变为零。

根据卷积核的大小靠近前景的所有像素都会被腐蚀 掉(变为 0),所以前景物体会变小,整幅图像的白色区域会减少。这对于去除 白噪声很有用

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
cv2.imshow('demo', erosion)

结果,图像腐蚀之后,人的手臂明显变瘦了
这里写图片描述

二 图像膨胀

与腐蚀相反,与卷积核对应的原图像的像素值中只要有一个是 1,中心元 素的像素值就是 1。所以这个操作会增加图像中的白色区域(前景)。一般在去 噪声时先用腐蚀再用膨胀

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
dilation = cv2.dilate(erosion,kernel,iterations = 1)
cv2.imshow('demo', dilation)

结果:可以看到再次膨胀之后,得到的图片跟原图比,人物很近
但是外面圆圈没有完全复原
这里写图片描述

腐蚀和膨胀的处理很简单,只需设置好结构元素,
然后分别调用cv2.erode(…)cv2.dilate(…)函数即可

三、开运算

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
先进性腐蚀再进行膨胀就叫做开运算。就是上面两步,它被用来去除噪声。

开运算用于移除由图像噪音形成的斑点

开运算用到的函数是 cv2.morphologyEx()

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
# 开运算
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
cv2.imshow('demo', opening)

结果 可以看到跟上面的第二个展示基本差不多
这里写图片描述

四、闭运算

先膨胀再腐蚀。
它经常被用来填充前景物体中的小洞,或者前景物体上的小黑点

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
# 闭运算
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
cv2.imshow('demo', closing)

结果:这里可以看到,外圆环破碎的地方被补起来了,外圆环变白了,
人物上的黑点没有了,
这里写图片描述

某些情况下可以连续运用这两种运算。
如对一副二值图连续使用闭运算和开运算,将获得图像中的主要对象

五、形态学梯度
其实就是一幅图像膨胀与腐蚀的差别。
结果看上去就像前景物体的轮廓。

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
# 梯度
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
cv2.imshow('demo', gradient)

结果:旁边有很多白色的小点在干扰
这里写图片描述

六、礼帽
原始图像与进行开运算之后得到的图像的差

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
# 礼帽
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('demo', tophat)

结果:
这里写图片描述

七、黑帽
进行闭运算之后得到的图像与原始图像的差

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
# 黑帽
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('demo', blackhat)

结果:
这里写图片描述

### OpenCV Python 形态学处理教程 #### 形态学基本概念 形态学操作主要用于提取图像中的有用特征,如边界检测、噪声去除等。这些操作基于形状和结构来分析并处理图像[^1]。 #### 常见的形态学操作及其应用 - **腐蚀 (Erosion)** 和 **膨胀 (Dilation)** 是最基本的两种形态变换方法。 - **开运算 (Opening)** 可以用来消除小物体,在平滑较大对象边缘的同时也能断开狭窄部分。 - **闭运算 (Closing)** 则相反,它能填补前景物体内部的小洞或移除小黑点。 - 还有一些高级的操作像顶帽(Top Hat)以及黑帽(Black Hat),它们分别用于增强较亮区域对比度或是突出暗背景上的明亮细节[^4]。 #### 实际案例展示 下面给出一段完整的Python代码片段,展示了如何利用OpenCV执行上述提到的各种形态学转换: ```python import numpy as np import cv2 from matplotlib import pyplot as plt def show_images(images, titles=None): """显示多张图片""" n_ims = len(images) fig, axs = plt.subplots(1, n_ims, figsize=(n_ims * 5, 5)) for i in range(n_ims): ax = axs[i] if isinstance(axs, np.ndarray) else axs ax.imshow(cv2.cvtColor(images[i], cv2.COLOR_BGR2RGB)) if titles is not None and i < len(titles): ax.set_title(titles[i]) ax.axis('off') plt.show() # 加载原始图像 image_path = "path_to_your_image" original_img = cv2.imread(image_path) # 定义一个简单的正方形核 square_kernel = np.ones((5, 5), dtype=np.uint8) # 执行不同的形态学操作 erosion_result = cv2.erode(original_img, square_kernel, iterations=1) dilation_result = cv2.dilate(original_img, square_kernel, iterations=1) opening_result = cv2.morphologyEx(original_img, cv2.MORPH_OPEN, square_kernel) closing_result = cv2.morphologyEx(original_img, cv2.MORPH_CLOSE, square_kernel) black_hat_result = cv2.morphologyEx(original_img, cv2.MORPH_BLACKHAT, square_kernel) show_images([original_img, erosion_result, dilation_result, opening_result, closing_result, black_hat_result], ["Original Image", "Eroded", "Dilated", "Opened", "Closed", "Black Hat"]) ``` 这段脚本不仅实现了基础的功能演示,还通过`matplotlib`库提供了直观的结果可视化功能[^2][^3].
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值