OpenCV第八章——腐蚀与膨胀

1. 腐蚀

什么是腐蚀操作:

在OpenCV中,腐蚀操作是一种形态学处理技术,用于图像的前景区域(通常是白色区域)进行缩小处理。它的基本思想是通过结构元素(也称为内核)来"侵蚀"图像中的前景对象,使得前景区域变小,从而去除小的噪声或细节,或者填补图像中的小孔洞。

腐蚀操作的基本概念

腐蚀(Erosion)操作涉及到将结构元素(通常是一个小的矩形、圆形或其他形状的矩阵)应用到图像上。对于图像中的每一个像素位置,结构元素会滑动到该位置上,并与图像的对应部分进行比较。

  • 如果结构元素完全位于前景区域内,则结构元素的中心位置保留原像素值。
  • 否则,结构元素的中心位置会被设置为背景值(通常是0)。

腐蚀操作的步骤

  1. 选择结构元素: 结构元素是一个小的矩阵,定义了腐蚀操作的形状和大小。常用的形状有矩形、椭圆和十字形。

  2. 滑动结构元素: 将结构元素在图像上滑动,逐个像素地应用腐蚀操作。

  3. 更新图像: 根据结构元素与图像的重叠部分的匹配情况,更新图像的像素值。

腐蚀操作的语法结构

OpenCV将腐蚀操作封装成了erode()方法,其语法结构如下:

dst = cv2.erode(src, kernel, anchor, iterations, borderType, borderValue)

参数说明:

src;原始图像

kernel:腐蚀使用的核

anchor:可选参数,核的锚点位置

iterations:可选参数,腐蚀操作的迭代次数

borerType:可选参数,边界样式

borderValue:可选参数,边界值

返回值说明:

dst:经过腐蚀之后的图像

操作用图片:

腐蚀操作运行代码:

python 复制代码
import cv2
import numpy as np
img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(7).jpg")  
k = np.ones((3, 3), np.uint8)  # 创建3*3的数组作为核
cv2.imshow("img", img)  # 原图
dst = cv2.erode(img, k)  # 腐蚀操作
cv2.imshow("dst", dst)  # 腐蚀效果
cv2.waitKey()  
cv2.destroyAllWindows()  

操作结果图像:

2. 膨胀

什么是膨胀操作:

膨胀操作是OpenCV中的一种形态学处理技术,用于扩展图像中的前景区域(通常是白色区域)。它的基本思想是通过结构元素"扩张"图像中的前景对象,使得前景区域变大,从而填补小的空隙或连接断裂的部分。膨胀操作的步骤类似于腐蚀,但相反:

  1. 选择结构元素:选择一个结构元素来定义膨胀操作的形状和大小。

  2. 滑动结构元素:将结构元素在图像上滑动,每个像素位置的值会根据结构元素与图像的重叠部分进行更新。

  3. 更新图像:如果结构元素与图像的重叠部分有前景像素,则结构元素中心位置被设置为前景值(通常是255)。

膨胀操作的语法结构:

dst = cv2.dilate(src, kernel, anchor, iterations, borderType, borderValue)

参数说明:

src:原始图像

kernel:膨胀使用的核

anchor:可选参数, 核的锚点位置

iterations:可选参数,腐蚀操作的迭代次数,默认值为1

borderType:可选参数, 边界样式

borderValue:可选参数, 边界值
操作用图片

膨胀操作的示例代码 :

python 复制代码
import cv2
import numpy as np
img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(7).jpg")  
k = np.ones((9, 9), np.uint8)  # 创建9*9的数组作为核
cv2.imshow("img", img)  
dst = cv2.dilate(img, k)  # 膨胀操作
cv2.imshow("dst", dst)  # 显示膨胀效果
cv2.waitKey()  
cv2.destroyAllWindows()  

操作结果图像:

3. 开运算

什么是开运算:

开运算是一种形态学处理技术,结合了腐蚀和膨胀操作,用于去除图像中的小物体或噪声,同时保持较大物体的形状和大小。开运算的基本步骤如下:

  1. 腐蚀:首先对图像进行腐蚀操作,去除图像中的小的噪声或细节。
  2. 膨胀:然后对腐蚀后的图像进行膨胀操作,恢复较大物体的形状和边界。
    操作用图片

开运算操作代码实例:

python 复制代码
import cv2
import numpy as np
img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(7).jpg")  
k = np.ones((5, 5), np.uint8)  # 创建5*5的数组作为核
cv2.imshow("img", img)  
dst = cv2.erode(img, k)  # 腐蚀操作
dst = cv2.dilate(dst, k)  # 膨胀操作
cv2.imshow("dst", dst)  # 显示开运算结果
cv2.waitKey()  
cv2.destroyAllWindows()  

开运算操作效果图像:

4. 闭运算

什么是闭运算?

开运算是一种形态学处理技术,结合了腐蚀和膨胀操作,用于去除图像中的小物体或噪声,同时保持较大物体的形状和大小。开运算的基本步骤如下:

  1. 腐蚀:首先对图像进行腐蚀操作,去除图像中的小的噪声或细节。
  2. 膨胀:然后对腐蚀后的图像进行膨胀操作,恢复较大物体的形状和边界。

闭运算操作代码实例:

python 复制代码
import cv2
import numpy as np
img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(7).jpg")  
k = np.ones((15, 15), np.uint8)  # 创建15*15的数组作为核
cv2.imshow("img", img) 
dst = cv2.dilate(img, k)  # 膨胀操作
dst = cv2.erode(dst, k)  # 腐蚀操作
cv2.imshow("dst2", dst)  # 闭运算结果
cv2.waitKey()  
cv2.destroyAllWindows()  

闭运算操作效果图像:

5. 形态学方法

cv2.MORPH_ERODE:腐蚀操作

cv2.MORPH_DILATE:膨胀操作

cv2.MORPH_OPEN:开运算,先腐蚀后膨胀

cv2.MORPH_CLOSE:闭运算,先膨胀后腐蚀

cv2.MORPH_GRADIENT:梯度运算,膨胀图减腐蚀图可以得出建议的轮廓

cv2.MORPH_TOPHAT:顶帽运算,原始图像减开运算图像

cv2.MORPH_BLACKHAT:黑帽运算,闭运算图像减原始图像

5.1 梯度运算

什么是梯度运算?

梯度简单理解为像素的变化程度。梯度运算的运算过程就是让原图的膨胀图像减去原图的腐蚀图像

python 复制代码
import cv2
import numpy as np
img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(7).jpg")  
k = np.ones((5,5), np.uint8)  # 创建5*5的数组作为核
cv2.imshow("img", img)  # 显示原图
dst = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, k) # 进行梯度运算
cv2.imshow("dst", dst)  # 显示梯度运算结果
cv2.waitKey()  
cv2.destroyAllWindows()  

操作效果图像:

5.2 顶帽运算

什么是顶帽运算?

原图减去图像的开运算图像,得到的结果只剩下外部细节

操作用图像:

操作代码示例:

python 复制代码
import cv2
import numpy as np
img = cv2.imread(r"B:\Python_opencv_book\08\06\spider.png")  # 读取原图
k = np.ones((5, 5), np.uint8)  # 创建5*5的数组作为核
cv2.imshow("img", img)  # 显示原图
dst = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, k)  # 进行顶帽运算
cv2.imshow("dst", dst)  # 显示顶帽运算结果
cv2.waitKey()  
cv2.destroyAllWindows()  

操作结果图像:

5.3 黑帽运算

什么是黑帽运算?

原图的闭运算图像减去原图。剩下内部细节

操作用图像:

操作代码示例:

python 复制代码
import cv2
import numpy as np
img = cv2.imread(r"B:\Python_opencv_book\08\07\spider2.png")  # 读取原图
k = np.ones((5, 5), np.uint8)  # 创建5*5的数组作为核
cv2.imshow("img", img)  # 显示原图
dst = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, k)  # 进行黑帽运算
cv2.imshow("dst", dst)  # 显示黑帽运算结果
cv2.waitKey()  
cv2.destroyAllWindows()

操作效果图像:

那么有关关于腐蚀与膨胀的内容到这里就结束了!!!感谢大家的观看!!!

相关推荐
aleimu1 分钟前
Windows 11 右键打开 Cmder 2.0:从找不到菜单到默认使用 Cmder
前端·人工智能·后端
SwanArc技术笔记16 分钟前
读技术文档,先用哪个 AI?模型指南筛选与 GPT-6.2 Astra 实操
人工智能
深海鱼在掘金16 分钟前
深入浅出RAG——第21章:回顾与展望
人工智能
羲云网络18 分钟前
GPT Image 2.6 GIF 交付排障:上线后为什么只剩第一帧?
图像处理·人工智能·前端开发·gif
安爹前沿AI26 分钟前
Seedance 有个文档里没写的参数:开了码率涨 3.9 倍,费用一分没多
人工智能
深海鱼在掘金27 分钟前
深入浅出RAG——第20章:端到端实战:企业级知识库问答系统
人工智能
黑十28 分钟前
FDE 怎么快速搭一个可演示页面?最小前端方案
java·大数据·前端·数据库·人工智能
樊小肆1 小时前
agent 不报错才最吓人:自研编码工具半年,我踩了 10 个"看着正常"的运行时坑
前端·人工智能·agent
用户986023965611 小时前
Gemini Tool Retrieval:工具越来越多,Agent 如何按需读取参数说明?
人工智能
用户1917291270831 小时前
Agent 工具面裁剪:动态暴露与渐进披露(附 Python 代码)
人工智能