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
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
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
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
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
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
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
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
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()