openCV实战-系列教程3:形态学操作(腐蚀操作/膨胀操作/开运算/闭运算/梯度计算/礼帽和黑帽)、源码解读

1、腐蚀操作

1.1 腐蚀

首先读进来并打印一张图

python 复制代码
img = cv2.imread('yzy.jpg')
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

这个图片出现了一些毛刺,看着挺难受

执行一个腐蚀操作,再将图片打印出来:

python 复制代码
kernel = np.ones((3,3),np.uint8) 
erosion = cv2.erode(img,kernel,iterations = 1)

cv2.imshow('erosion', erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

打印结果:

毛刺全部没有了

1.2 腐蚀原理

再读进来一个圆形的图片

python 复制代码
pie = cv2.imread('pie.png')

cv2.imshow('pie', pie)
cv2.waitKey(0)
cv2.destroyAllWindows()

打印结果:

在这个过程可以比较容易理解到腐蚀的原理,比如我们指定了一个(3,3)的卷积核kernel,他会将一个像素和周围的8个像素进行计算,如果是在这个图中,在黑色部分和白色部分的计算结果都会是不变的,因为卷积核内的所有像素都一样,而在黑白交界出的计算肯定会使得白色变黑了。

所以经过erode函数进行腐蚀操作,这个白色圈的外圈就会被腐蚀一部分,可以进行多次腐蚀操作:

python 复制代码
kernel = np.ones((30,30),np.uint8) 
erosion_1 = cv2.erode(pie,kernel,iterations = 1)
erosion_2 = cv2.erode(pie,kernel,iterations = 2)
erosion_3 = cv2.erode(pie,kernel,iterations = 3)
res = np.hstack((erosion_1,erosion_2,erosion_3))
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

多次腐蚀的图片变化:

其中这个iterations就是指的是迭代次数。

2、膨胀操作

读进来前面的图片,进行腐蚀操作,腐蚀后的图像的毛刺没有了,但是线条也没有原来粗了。

使用dilate函数进行膨胀操作,并且将结果打印出来:

python 复制代码
kernel = np.ones((3,3),np.uint8) 
yzy_erosion = cv2.erode(img,kernel,iterations = 1)

cv2.imshow('erosion', erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

打印结果:

膨胀后得结果,线条又变粗了。

将白色圆的图片进行两次膨胀:

python 复制代码
pie = cv2.imread('pie.png')

kernel = np.ones((30,30),np.uint8) 
dilate_1 = cv2.dilate(pie,kernel,iterations = 1)
dilate_2 = cv2.dilate(pie,kernel,iterations = 2)
dilate_3 = cv2.dilate(pie,kernel,iterations = 3)
res = np.hstack((dilate_1,dilate_2,dilate_3))
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

打印结果:

3、开运算与闭运算

开运算就是把腐蚀、膨胀结合在一起

开运算:先腐蚀,再膨胀

闭运算: 先膨胀,再腐蚀

开运算:

morphologyEx函数,cv2.MORPH_OPEN参数

python 复制代码
# 开:先腐蚀,再膨胀
img = cv2.imread('yzy.jpg')

kernel = np.ones((5,5),np.uint8) 
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

cv2.imshow('opening', opening)
cv2.waitKey(0)
cv2.destroyAllWindows()

打印结果:

闭运算:

morphologyEx函数,cv2.MORPH_CLOSE参数

python 复制代码
# 闭:先膨胀,再腐蚀
img = cv2.imread('yzy.jpg')

kernel = np.ones((5,5),np.uint8) 
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

cv2.imshow('closing', closing)
cv2.waitKey(0)
cv2.destroyAllWindows()

打印结果:

4、梯度运算

梯度运算 = 膨胀-腐蚀

对刚刚的圆形图,先进行5次膨胀,然后进行5次腐蚀:

python 复制代码
# 梯度=膨胀-腐蚀
pie = cv2.imread('pie.png')
kernel = np.ones((7,7),np.uint8) 
dilate = cv2.dilate(pie,kernel,iterations = 5)
erosion = cv2.erode(pie,kernel,iterations = 5)

res = np.hstack((dilate,erosion))

cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

打印结果:

这两个图片再进行减法操作,现在我们肉眼应该能够判断出,这个结果应该是什么样子了,这就是梯度运算了。

直接对白色圆形图进行梯度运算操作:

python 复制代码
gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel)

cv2.imshow('gradient', gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()

打印结果:

5、礼帽与黑帽

礼帽:原始图-开运算

黑帽:闭运算-原始图

礼帽

前面提到yzy.jpg这张图,原始图包含了一些毛刺,腐蚀后就没了毛刺,腐蚀再膨胀几乎就是原始图去掉了毛刺,这就是开运算操作,原始图再减去开运算的记过那不就只剩下原始图的那些毛刺了吗?

morphologyEx函数,cv2.MORPH_TOPHAT参数

python 复制代码
#礼帽
img = cv2.imread('dige.png')
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('tophat', tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()

打印结果:

黑帽

morphologyEx函数,cv2.MORPH_BLACKHAT参数

python 复制代码
#黑帽
img = cv2.imread('yzy.jpg')
blackhat  = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('blackhat ', blackhat )
cv2.waitKey(0)
cv2.destroyAllWindows()

打印结果:

相关推荐
硅谷秋水13 小时前
面向精确到达任务的机器人-对齐3D高斯溅射方法——基于腕部-相机VLA策略
数码相机·机器学习·计算机视觉·3d·机器人
会飞锦鲤2 天前
基于 RT-DETR 的 PCB 缺陷检测
深度学习·目标检测·计算机视觉·pyqt5·rt-detr·工业质检·pcb缺陷检测
硅谷秋水7 天前
MorphMimic 方法分析
人工智能·机器学习·计算机视觉·机器人
jay神7 天前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计
Rattenking9 天前
OpenCV 轨迹栏操作和键盘响应操作
人工智能·opencv·计算机外设
jay神9 天前
基于 YOLOv8 的手势识别系统(Web 版)
前端·人工智能·python·深度学习·yolo·计算机视觉·计算机毕业设计
wangxiaoxuan21710 天前
TF2 的原理与使用:把坐标、运动和观测时间一起算清楚
计算机视觉·机器人·科沃斯八界
硅谷秋水10 天前
EgoHumanoid‑V2 方法分析
人工智能·机器学习·计算机视觉·语言模型·机器人
BYSJMG10 天前
计算机毕业设计选题推荐:【基于深度学习的车辆损坏严重程度评估方法研究】ResNet50 图像分类
人工智能·深度学习·目标检测·机器学习·计算机视觉·分类·课程设计
BYSJMG10 天前
计算机毕业设计选题推荐|【基于深度学习的电梯电动车违规进入检测研究】YOLO26m+可视化大屏
人工智能·深度学习·神经网络·目标检测·机器学习·计算机视觉·课程设计