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
东风西巷30 分钟前
Balabolka:免费高效的文字转语音软件
前端·人工智能·学习·语音识别·软件需求
非门由也40 分钟前
《sklearn机器学习——管道和复合估计器》联合特征(FeatureUnion)
人工智能·机器学习·sklearn
l12345sy40 分钟前
Day21_【机器学习—决策树(1)—信息增益、信息增益率、基尼系数】
人工智能·决策树·机器学习·信息增益·信息增益率·基尼指数
非门由也40 分钟前
《sklearn机器学习——管道和复合估算器》异构数据的列转换器
人工智能·机器学习·sklearn
计算机毕业设计指导1 小时前
基于ResNet50的智能垃圾分类系统
人工智能·分类·数据挖掘
飞哥数智坊1 小时前
终端里用 Claude Code 太难受?我把它接进 TRAE,真香!
人工智能·claude·trae
小王爱学人工智能1 小时前
OpenCV的阈值处理
人工智能·opencv·计算机视觉
新智元2 小时前
刚刚,光刻机巨头 ASML 杀入 AI!豪掷 15 亿押注「欧版 OpenAI」,成最大股东
人工智能·openai
机器之心2 小时前
全球图生视频榜单第一,爱诗科技PixVerse V5如何改变一亿用户的视频创作
人工智能·openai
新智元2 小时前
2025年了,AI还看不懂时钟!90%人都能答对,顶尖AI全军覆没
人工智能·openai