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
2501_907136821 分钟前
OfficeAI构建本地办公生态:WPS/Word双端联动,数据自由流转
人工智能·word·wps
飞哥数智坊6 分钟前
从零构建自己的MCP Server
人工智能
是Dream呀8 分钟前
ResNeXt: 通过聚合残差变换增强深度神经网络
人工智能·算法
项目申报小狂人19 分钟前
CUDA详细安装及环境配置——环境配置指南 – CUDA+cuDNN+PyTorch 安装
人工智能·pytorch·python
suke33 分钟前
一文秒懂AI核心:Agent、RAG、Function Call与MCP全解析
人工智能·程序员
oil欧哟37 分钟前
😎 MCP 从开发到发布全流程介绍,看完不踩坑!
人工智能·typescript·node.js
Code_流苏1 小时前
AI知识补全(十四):零样本学习与少样本学习是什么?
人工智能·元学习·少样本学习·零样本学习·语义嵌入
Yvette-W1 小时前
ChatGPT 迎来 4o模型:更强大的图像生成能力与潜在风险
人工智能·chatgpt
Shockang1 小时前
机器学习的一百个概念(5)数据增强
人工智能·机器学习