图像数据处理17

四、形态学图像处理

4.3 开运算与闭运算

4.3.1开运算与闭运算的定义:

开运算:先腐蚀,再膨胀

闭运算:先膨胀,再腐蚀

记忆方法: 膨胀(胀开)所以开运算最后对应的结果是膨胀,闭运算则与其相反,最后对应的结果是腐蚀。

4.3.2开运算与闭运算的作用:

开运算

以二值图像为例,若黑色背景上有一些白色小斑点噪声,开运算先通过腐蚀操作削弱前景图像(所有前景图像即所有白色的部分)来去除噪音(白色小斑点),因为噪音面积相对较小,执行完腐蚀操作后会被黑色完全覆盖。随后再通过开运算的膨胀操作增强前景图像的边界,恢复因腐蚀操作而受影响的非噪音部分的形状面积。其主要优点是不明显改变图像面积的情况下,消除细小的噪音。

闭运算

还是以二值图像为例,闭运算先通过膨胀操作来增强前景图像,通过对前景图像(白色部分)边界的扩充,来消除掺杂在其中的小黑点等噪音,随后在通过腐蚀操作其的腐蚀操作来削弱前景图像的边界,恢复其因膨胀操作而扩充的形状面积。

4.3.3实际应用

python 复制代码
import cv2
import numpy as np

# 读取图像
image = cv2.imread('taiyang2.jpg')

# 定义结构元素
kernel = np.ones((10, 10), np.uint8)

# 开运算:先腐蚀后膨胀
opening = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)

# 闭运算:先膨胀后腐蚀
closing = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)

# 将图像缩小一半
resized_image = cv2.resize(image, (0, 0), fx=0.5, fy=0.5)
resized_opening = cv2.resize(opening, (0, 0), fx=0.5, fy=0.5)
resized_closing = cv2.resize(closing, (0, 0), fx=0.5, fy=0.5)

# 水平拼接图像
combined_image = np.hstack((resized_image, resized_opening, resized_closing))

# 在一个窗口中显示拼接后的图像
cv2.imshow('Combined Image', combined_image)

# 等待任意键盘按键
cv2.waitKey(0)
cv2.destroyAllWindows()

第一幅图像是原图,第二幅图像是开运算处理后的图像,第三幅图像是闭运算处理后的图像

在实际应用中开运算与闭运算往往是结合在一起用的,这样往往能达到更好的处理效果。

先开运算后闭运算

python 复制代码
import cv2
import numpy as np

# 读取图像
image = cv2.imread('taiyang2.jpg')

# 定义结构元素
kernel = np.ones((10, 10), np.uint8)

# 开运算:先腐蚀后膨胀
opening = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)

# 对开运算后的图像进行闭运算
final_operation = cv2.morphologyEx(opening, cv2.MORPH_CLOSE, kernel)

# 将图像缩小一半
resized_image = cv2.resize(image, (0, 0), fx=0.5, fy=0.5)
resized_final = cv2.resize(final_operation, (0, 0), fx=0.5, fy=0.5)

# 水平拼接图像
combined_image = np.hstack((resized_image, resized_final))

# 在一个窗口中显示拼接后的图像
cv2.imshow('Combined Image', combined_image)

# 等待任意键盘按键
cv2.waitKey(0)
cv2.destroyAllWindows()

先闭运算后开运算

python 复制代码
import cv2
import numpy as np

# 读取图像
image = cv2.imread('taiyang2.jpg')

# 定义结构元素
kernel = np.ones((10, 10), np.uint8)

# 闭运算:先膨胀后腐蚀
closing = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)

# 对闭运算后的图像进行开运算
final_operation = cv2.morphologyEx(closing, cv2.MORPH_OPEN, kernel)

# 将图像缩小一半
resized_image = cv2.resize(image, (0, 0), fx=0.5, fy=0.5)
resized_final = cv2.resize(final_operation, (0, 0), fx=0.5, fy=0.5)

# 水平拼接图像
combined_image = np.hstack((resized_image, resized_final))

# 在一个窗口中显示拼接后的图像
cv2.imshow('Combined Image', combined_image)

# 等待任意键盘按键
cv2.waitKey(0)
cv2.destroyAllWindows()

注:本人为在校学生,博客是边学边写的,主要是为了巩固知识,如有错误请积极指正。

本文的内容主要基于我对张运楚教授编著的《数字图像处理》一书的学习和理解。这本书深入浅出地介绍了数字图像处理的基本理论以及经典算法等,并且提供了丰富的示例代码和实际用例,极大地帮助了我学习图像处理知识。在此,我推荐大家阅读这本书,更加深入的学习有关图像处理的知识。

相关推荐
令狐少侠2011几秒前
ai之RAG本地知识库--基于OCR和文本解析器的新一代RAG引擎:RAGFlow 认识和源码剖析
人工智能·ai
小叮当爱咖啡5 分钟前
Seq2seq+Attention 机器翻译
人工智能·自然语言处理·机器翻译
shadowcz0076 分钟前
奥特曼论人工智能、OpenAI与创业
人工智能·百度
AI人工智能+18 分钟前
应用俄文OCR技术,为跨语言交流与数字化管理提供更强大的支持
人工智能·ocr·文字识别
UQI-LIUWJ29 分钟前
李宏毅LLM笔记: AI Agent
人工智能·笔记
百度Geek说41 分钟前
百度阮瑜:百度大模型应用赋能产业智变|2025全球数字经济大会
人工智能
大明哥_1 小时前
最新 Coze 教程:40+ 条视频涨粉 10W+,利用 Coze 工作流 + 视频组件,一键制作爆款小人国微景动画视频
人工智能·agent
SugarPPig1 小时前
ReAct (Reason and Act) OR 强化学习(Reinforcement Learning, RL)
人工智能
孤狼warrior1 小时前
灰色预测模型
人工智能·python·算法·数学建模
AI生存日记1 小时前
AI 行业早报:微软发布诊断工具,上海聚焦四大应用场景
人工智能·microsoft·机器学习·open ai大模型