OpenCv之图像形态学

目录

一、形态学

二、图像全局二值化

三、自适应阈值二值化

四、腐蚀操作

五、获取形态学卷积核

六、膨胀操作

七、开运算

八、闭运算


一、形态学

定义:

  • 指一系列处理图像形状特征的图像处理技术
  • 形态学的基本思想是利用一种特殊的结构元(本质上就是卷积核)来测量或提取输入图像中相应的形状或0特征,以便进一步进行图像分析和目标识别。
  • 这些处理方法基本是对二进制图像进行处理即黑白图像
  • 卷积核决定着图像处理后的效果

二、图像全局二值化

二值化:将图像的每个像素变成两种值,比如0,255

参照函数:

案例代码如下:

python 复制代码
import cv2
import numpy as  np


# 导入图片
img = cv2.imread('6.jpg')

# 二值化是对灰度图像操作
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# 注意,threshold会返回两个值(一个是阈值,一个是二值化处理后的图片)
thresh,dst = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)

# 展示
cv2.imshow('dog',np.hstack((gray,dst)))

# 释放资源
cv2.waitKey(0)
cv2.destroyAllWindows()

三、自适应阈值二值化

前提:

在前面的部分我们使用是全局闻值,整幅图像采用同一个数作为闻值。当时这种方法并不适应与所有情况,尤其是当同一幅图像上的不同部分的具有不同亮度时。这种情况下我们需要采用自适应闻值。此时的闻值是根据图像上的每一个小区域计算与其对应的闻值。因此在同一幅图像上的不同区域采用的是不同的闻值,从而使我们能在亮度不同的情况下得到更好的结果

案例代码如下:

python 复制代码
import cv2
import numpy as np

img = cv2.imread('6.jpg')


cv2.namedWindow('img',cv2.WINDOW_NORMAL)
cv2.resizeWindow('img',1920,1080)

# 二值化操作是对灰度图像操作,把图像转为灰度图像
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# 自适应阈值二值化只返回一个值,即二值化后的结果
dst = cv2.adaptiveThreshold(gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV,3,0)

# 展示
cv2.imshow('img',np.hstack((gray,dst)))

cv2.waitKey(0)
cv2.destroyAllWindows()

四、腐蚀操作

腐蚀操作也是用卷积核扫描图像,只不过腐蚀操作的卷积和一般都是1,如果卷积核内所有像素点都是白色,那么锚点也是白色。

腐蚀操作API:

案例代码如下:

python 复制代码
import cv2
import numpy as np

# 导入图片
img = cv2.imread('6.jpg')

# 定义核
kernel = np.ones((3,3),np.uint8)
dst = cv2.erode(img,kernel,iterations=2)

cv2.imshow('img',np.hstack((img,dst)))

cv2.waitKey(0)
cv2.destroyWindow()

五、获取形态学卷积核

OpenCv提供了获取卷积核的API,不需要我们手工创建卷积核

案例代码如下:

python 复制代码
import cv2
import numpy as np


img = cv2.imread('6.jpg')

kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))

# 腐蚀
dst = cv2.erode(img,kernel,iterations=2)

六、膨胀操作

膨胀是腐蚀的相反操作,基本原理是只要保证卷积核的锚点是非0值,周边无论是0还是非0值,都变成非0 值

案例代码如下:

python 复制代码
import cv2
import numpy as np

# 导入图片
img = cv2.imread('6.jpg')

# 动态获取卷积核
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))

# 膨胀操作
dst = cv2.dilate(img,kernel,iterations=1)

# 展示图片
cv2.imshow('img',np.hstack((img,dst)))

# 释放资源
cv2.waitKey(0)
cv2.destroyAllWindows()

七、开运算

开运算=腐蚀+膨胀

案例代码如下:

python 复制代码
import cv2
import numpy as np

# 开运算=腐蚀+膨胀
# 开运算提供了另一种去除噪声的思路
img = cv2.imread('6.jpg')

kernel = cv2.cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))

# # 先腐蚀
# dst = cv2.erode(img,kernel,iterations=2)
#
# # 膨胀
# dst = cv2.dilate(dst,kernel,iterations=2)

# 直接调用OpenCv提供的开运算API
dst = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel,iterations=2)

# 展示图片
cv2.imshow('img',np.hstack((img,dst)))

# 释放资源
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下:

八、闭运算

闭运算=膨胀+腐蚀

案例代码如下:

python 复制代码
import cv2
import numpy as np

# 导入图片
img = cv2.imread('6.jpg')

# 卷积核
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))

# 闭运算
dst = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel,iterations=2)

# 展示图片
cv2.imshow('img',np.hstack((img,dst)))

# 释放资源
cv2.waitKey(0)
cv2.destroyAllWindows()
相关推荐
xiaohouzi1122333 小时前
OpenCV的cv2.VideoCapture如何加GStreamer后端
人工智能·opencv·计算机视觉
隐语SecretFlow4 小时前
国人自研开源隐私计算框架SecretFlow,深度拆解框架及使用【开发者必看】
深度学习
荼蘼4 小时前
答题卡识别改分项目
人工智能·opencv·计算机视觉
Billy_Zuo5 小时前
人工智能深度学习——卷积神经网络(CNN)
人工智能·深度学习·cnn
羊羊小栈5 小时前
基于「YOLO目标检测 + 多模态AI分析」的遥感影像目标检测分析系统(vue+flask+数据集+模型训练)
人工智能·深度学习·yolo·目标检测·毕业设计·大作业
l12345sy5 小时前
Day24_【深度学习—广播机制】
人工智能·pytorch·深度学习·广播机制
IT古董5 小时前
【第五章:计算机视觉-项目实战之图像分类实战】1.经典卷积神经网络模型Backbone与图像-(4)经典卷积神经网络ResNet的架构讲解
人工智能·计算机视觉·cnn
张子夜 iiii6 小时前
4步OpenCV-----扫秒身份证号
人工智能·python·opencv·计算机视觉
潮汐退涨月冷风霜7 小时前
数字图像处理(1)OpenCV C++ & Opencv Python显示图像和视频
c++·python·opencv
paid槮12 小时前
机器视觉之图像处理篇
图像处理·opencv·计算机视觉