形态学笔记:侵蚀+膨胀+开运算+闭运算+形态学梯度+顶帽运算+黑帽运算

形态学

一般在二值图上操作

输入:原图、操作结构内核

简单阈值

对于每个像素,应用相同的阈值。如果像素值小于阈值,则将其设置为0,否则将其设置为最大值

原图-->灰度图-->二值图

python 复制代码
logo = cv2.imread('./fans.jpg')
# 参数1 被转换的图像
# 参数2 原图转为灰度图
logo_gray = cv2.cvtColor(logo, cv2.COLOR_BGR2GRAY)
# 转为二值图
# 参数1 灰度图
# 参数2 阈值 小于阈值为0
# 参数3 大于阈值为maxval
# 参数4 类型    cv2.THRESH_BINARY   cv2.THRESH_OTSU 会自适应阈值
# retval, logo_binary = cv2.threshold(logo_gray, 100, 255, cv2.THRESH_BINARY)
retval, logo_binary = cv2.threshold(logo_gray, 100, 255, cv2.THRESH_OTSU)

侵蚀

内核在原图上滑动,内核框住的元素全为1才为1(保留1),否则为0(侵蚀)

python 复制代码
import cv2
import numpy as np

img = cv2.imread('./imgs/py_black.png')

# kernel = np.ones((5, 5))
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
# 参数1 原图
# 参数2 核
# 参数3 侵蚀次数
erode_img = cv2.erode(img, kernel, iterations=1)
cv2.imshow('1', img)
cv2.imshow('2', erode_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图

侵蚀后

膨胀

内核在原图上滑动,内核框住的元素只要有1为1(膨胀),否则为0(保留0)

python 复制代码
import cv2
import numpy as np

img = cv2.imread('./imgs/py_black.png')
# kernel = np.ones((5, 5))
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
# 参数1 原图
# 参数2 核
# 参数3 膨胀次数
dilate_img = cv2.dilate(img, kernel, iterations=1)
cv2.imshow('1', img)
cv2.imshow('2', dilate_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图

膨胀后

开运算

侵蚀+膨胀

先侵蚀后膨胀,用于消除噪声

python 复制代码
import cv2
import numpy as np

img = cv2.imread('./imgs/py_open.png')
# kernel = np.ones((5, 5))
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
# 参数1 原图
# 参数2 形态操作的类型
# 参数3 核
# 参数3 侵蚀次数
open_img = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, iterations=1)
# erode_img = cv2.erode(img, kernel, iterations=1)
# open_img = cv2.dilate(erode_img, kernel, iterations=1)

cv2.imshow('1', img)
cv2.imshow('2', open_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图

开运算后

闭运算

膨胀+侵蚀

先膨胀后侵蚀,用于消除图像中小的暗点

python 复制代码
import cv2
import numpy as np

img = cv2.imread('./imgs/py_close.png')
# kernel = np.ones((5, 5))
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
# 参数1 原图
# 参数2 形态操作的类型
# 参数3 核
# 参数3 侵蚀次数
close_img = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel, iterations=1)
# dilate_img = cv2.dilate(img, kernel, iterations=1)
# close_img = cv2.erode(dilate_img, kernel, iterations=1)

cv2.imshow('1', img)
cv2.imshow('2', close_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图

闭运算后

形态学梯度

原图 - 侵蚀 = 轮廓线

python 复制代码
import cv2
import numpy as np

img = cv2.imread('./imgs/py_black.png')
# kernel = np.ones((5, 5))
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
# 参数1 原图
# 参数2 形态操作的类型
# 参数3 核
# 参数3 侵蚀次数
gradient_img = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel, iterations=1)

cv2.imshow('1', img)
cv2.imshow('2', gradient_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图

梯度后

顶帽运算

原图 - 开运算(侵蚀+膨胀) = 外部噪点

python 复制代码
import cv2
import numpy as np

img = cv2.imread('./imgs/py_open.png')
# kernel = np.ones((5, 5))
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
# 参数1 原图
# 参数2 形态操作的类型
# 参数3 核
# 参数3 侵蚀次数
tophat_img = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel, iterations=1)

cv2.imshow('1', img)
cv2.imshow('2', tophat_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图

顶帽后

黑帽运算

原图 - 闭运算(膨胀+侵蚀) = 内部噪点

python 复制代码
import cv2
import numpy as np

img = cv2.imread('./imgs/py_close.png')
# kernel = np.ones((5, 5))
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
# 参数1 原图
# 参数2 形态操作的类型
# 参数3 核
# 参数3 侵蚀次数
blackhat_img = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel, iterations=1)

cv2.imshow('1', img)
cv2.imshow('2', blackhat_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图

黑帽后

相关推荐
凯禾瑞华养老实训室1 小时前
人才教育导向下:老年生活照护实训室助力提升学生老年照护服务能力
人工智能
知识分享小能手1 小时前
React学习教程,从入门到精通, React 属性(Props)语法知识点与案例详解(14)
前端·javascript·vue.js·学习·react.js·vue·react
湫兮之风2 小时前
Opencv: cv::LUT()深入解析图像块快速查表变换
人工智能·opencv·计算机视觉
Christo33 小时前
TFS-2018《On the convergence of the sparse possibilistic c-means algorithm》
人工智能·算法·机器学习·数据挖掘
qq_508823403 小时前
金融量化指标--2Alpha 阿尔法
大数据·人工智能
黑金IT3 小时前
`.cursorrules` 与 `.cursorcontext`:Cursor AI 编程助手时代下的“双轨配置”指南
人工智能
学弟3 小时前
快捷:常见ocr学术数据集预处理版本汇总(适配mmocr)
计算机视觉
汇能感知3 小时前
摄像头模块在运动相机中的特殊应用
经验分享·笔记·科技
阿巴Jun4 小时前
【数学】线性代数知识点总结
笔记·线性代数·矩阵
茯苓gao4 小时前
STM32G4 速度环开环,电流环闭环 IF模式建模
笔记·stm32·单片机·嵌入式硬件·学习