OpenCV-33 开运算和闭运算

本文介绍了在计算机视觉中,开运算(腐蚀+膨胀)和闭运算(膨胀+腐蚀)用于噪声去除的方法,以及形态学梯度(原图-腐蚀)的概念。通过OpenCV库的`morphologyEx`函数实现这些操作,展示了如何在实际代码中应用这些技术来处理图像噪声。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

一、开运算

二、闭运算

三、形态学梯度


开运算和闭运算都是腐蚀和膨胀的基本应用。

一、开运算

开运算 = 腐蚀+膨胀(腐蚀之后再膨胀)

开运算提供了另一种去除噪声的思路。(腐蚀先进行去噪,膨胀再还原图像)

通过API --- morphologyEx(img, MORPH_OPEN, kernel)

  • MORPH_OPEN 表示形态学的开运算
  • kernel 如果噪点比较多,会选择大一点的kernel, 如果噪点比较小,可以选择小点的kernel

示例代码如下:

import cv2
import numpy as np
cv2.namedWindow("img", cv2.WINDOW_NORMAL)
cv2.resizeWindow("img", 640, 480)
img = cv2.imread("i.png")
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
# # 先腐蚀
# new_img = cv2.erode(img, kernel, iterations=1)
# # 后膨胀
# new_img = cv2.dilate(new_img, kernel, iterations=1)
new_img = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, iterations=1)
cv2.imshow("img", np.hstack((img, new_img)))
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下:

经测试我们可以发现,对图片进行先腐蚀后膨胀的操作与直接进行开运算的操作效果一样。 

且开运算能有效去除图片中的噪声,为我们提供一种新的去除噪声的方法。

二、闭运算

闭运算 = 膨胀+腐蚀(膨胀之后再腐蚀)

膨胀会对噪声的变大,再进行腐蚀操作可以去除图片内部的噪声点

通过使用同样的API --- morphologyEx对其进行操作,改为MORPH_CLOSE

若是imread没有去读到东西是不会报错的,只会返回一个None

示例代码如下:

import cv2
import numpy as np
cv2.namedWindow("img", cv2.WINDOW_NORMAL)
cv2.resizeWindow("img", 640, 480)
img = cv2.imread("is.png")
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
# 闭运算
new_img = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel, iterations=1)
cv2.imshow("img", np.hstack((img, new_img)))
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下:

三、形态学梯度

梯度 = 原图-腐蚀

腐蚀之后原图边缘变小,原图 - 腐蚀就可以得到腐蚀掉的部分,即边缘。

若腐蚀的部分越少,则得到的边缘部分越多。

通过使用同样的API --- morphologyEx对其进行操作,改为MORPH_GRADIENT

示例代码如下:

import cv2
import numpy as np
cv2.namedWindow("img", cv2.WINDOW_NORMAL)
cv2.resizeWindow("img", 640, 480)
img = cv2.imread("iii.png")
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
# 形态学梯度
new_img = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel, iterations=1)
cv2.imshow("img", np.hstack((img, new_img)))
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下:

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

打赏作者

一道秘制的小菜

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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