【OpenCV】(八)—— 腐蚀和膨胀

【OpenCV】(八)------ 腐蚀和膨胀

腐蚀(Erosion)和膨胀(Dilation)是形态学图像处理中的两种基本操作,常用于二值图像和灰度图像的处理。这两种操作可以改变图像中对象的形状和大小,通常用于去除噪声、填充空洞、分离或连接对象等。

腐蚀操作会减小图像中前景对象的大小。具体来说,腐蚀会将图像中的每个像素与其邻域内的所有像素进行比较,只有当邻域内的所有像素都属于前景对象时,该像素才保留为前景对象。否则,该像素会被设置为背景。腐蚀可以用于消除图像中的毛刺等细小噪声。

膨胀操作会增大图像中前景对象的大小。具体来说,膨胀会将图像中的每个像素与其邻域内的所有像素进行比较,只要邻域内有一个像素属于前景对象,该像素就会被设置为前景对象。膨胀操作相当于突出主体内容(加粗)

在 OpenCV 中,腐蚀和膨胀分别由 cv2.erodecv2.dilate 函数实现。

cv2.erode(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst

cv2.dilate(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst

参数说明

  • src: 输入图像。
  • kernel: 结构元素(通常是矩形或椭圆形),用于定义邻域的形状和大小。
  • dst: 输出图像。如果未指定,则默认与输入图像具有相同的类型和大小。
  • anchor: 结构元素的锚点位置,默认为 (-1, -1),表示锚点位于结构元素的中心。
  • iterations: 迭代次数,默认为 1。增加迭代次数会增强腐蚀或膨胀的效果。
  • borderType: 边界填充方式,默认为cv2.BORDER_CONSTANT。常见的边界填充方式有:
    • cv2.BORDER_CONSTANT: 用常数值填充边界。
    • cv2.BORDER_REFLECT: 用镜像反射的方式填充边界。
    • cv2.BORDER_REPLICATE: 用边界像素值重复填充边界。
    • cv2.BORDER_WRAP: 用环绕方式填充边界。
  • borderValue: 边界填充的值,默认为 0。

【示例】使用的示例图片如下:

py 复制代码
# 可以选择不同的核大小核迭代次数来控制效果
kernel = np.ones((3,3))
erosion = cv2.erode(img,kernel,iterations= 2)

cv_show("erosion",erosion)
py 复制代码
# 先进行腐蚀去除毛刺,再使用膨胀突出主体
kernel = np.ones((3,3))
dilate = cv2.dilate(erosion,kernel,iterations=1)
cv_show("dilate",dilate)

开运算与闭运算

开运算(Opening)和闭运算(Closing)分别基于腐蚀(Erosion)和膨胀(Dilation)操作组合而成。开运算和闭运算在处理二值图像和灰度图像时非常有用,可以用于去除噪声、填充空洞、平滑对象边界等。

开运算是先腐蚀后膨胀的操作。开运算的主要作用是:

  • 去除小的前景对象:可以去除图像中的小噪声点。
  • 平滑对象边界:使对象的边界更加平滑,去除细小的凸起。

闭运算是先膨胀后腐蚀的操作。闭运算的主要作用是:

  • 填充小的背景区域:可以填充图像中的小孔洞。
  • 平滑对象边界:使对象的边界更加平滑,去除细小的凹陷。

在 OpenCV 中,开运算和闭运算分别由 cv2.morphologyEx 函数实现,通过设置不同的参数来选择相应的操作。

py 复制代码
# 开运算:先腐蚀,再膨胀
img = cv2.imread('dige.jpg')

kernel = np.ones((5,5))
opening = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)

cv_show("opening",opening)
py 复制代码
# 闭运算:先膨胀,再腐蚀
img = cv2.imread('dige.jpg')

kernel = np.ones((5,5))
closing = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)

cv_show("closing",closing)

顶帽和黑帽

"黑帽"(Black Hat)和"顶帽"(Top Hat)是两种基于开运算和闭运算的高级操作。这些操作可以用于增强图像中的特定特征,如去除背景中的均匀区域或突出小的前景对象。

黑帽操作是先进行闭运算,然后从原图像中减去闭运算的结果。

顶帽操作是先进行开运算,然后从原图像中减去开运算的结果。

在 OpenCV 中,黑帽和顶帽操作分别由 cv2.morphologyEx 函数实现,通过设置不同的参数来选择相应的操作。

cv2.morphologyEx(src, op, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst
参数说明
  • src: 输入图像。
  • op: 操作类型,可以是 cv2.MORPH_BLACKHAT(黑帽)或 cv2.MORPH_TOPHAT(顶帽)。
  • kernel: 结构元素,用于定义邻域的形状和大小。
  • dst: 输出图像。如果未指定,则默认与输入图像具有相同的类型和大小。
  • anchor: 结构元素的锚点位置,默认为 (-1, -1),表示锚点位于结构元素的中心。
  • iterations: 迭代次数,默认为 1。增加迭代次数会增强黑帽或顶帽的效果。
  • borderType: 边界填充方式,默认为cv2.BORDER_CONSTANT。常见的边界填充方式有:
    • cv2.BORDER_CONSTANT: 用常数值填充边界。
    • cv2.BORDER_REFLECT: 用镜像反射的方式填充边界。
    • cv2.BORDER_REPLICATE: 用边界像素值重复填充边界。
    • cv2.BORDER_WRAP: 用环绕方式填充边界。
  • borderValue: 边界填充的值,默认为 0。
py 复制代码
# 礼帽:原始输入-开运算结果
img = cv2.imread('dige.jpg')
tophat = cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)
cv_show("tophat",tophat)
py 复制代码
# 黑帽:闭运算结果-原始输入
img = cv2.imread('dige.jpg')
blackhat = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)
cv_show("blackhat",blackhat)
相关推荐
爱思德学术-IAAST11 分钟前
中欧科学家论坛暨第六届人工智能与先进制造国际会议(AIAM 2024)在德国法兰克福成功举办,两百余名中外科学家共襄盛举
人工智能·学习·制造·学习方法·学术
deephub1 小时前
过采样与欠采样技术原理图解:基于二维数据的常见方法效果对比
人工智能·python·机器学习·采样技术
HyperAI超神经1 小时前
对标Hugging Face?GitHub Models新增OpenAI o1/Llama 3.2等, 新功能支持模型并排比较
人工智能·机器学习·github·llama·huggingface
Topstip1 小时前
GitHub Copilot 转型采用多模型策略,支持 Claude 3.5 和 Gemini
人工智能·ai
Devil枫1 小时前
腾讯云云开发深度解读:云数据库、云模板与AI生成引用的魅力
数据库·人工智能·腾讯云
姚杰献1 小时前
机器学习、深度学习和强化学习的区别
人工智能·深度学习·机器学习
love_and_hope1 小时前
Pytorch学习--神经网络--线性层及其他层
人工智能·pytorch·python·深度学习·神经网络·学习·pip
vivid_blog1 小时前
大语言模型(LLM)入门级选手初学教程 II
人工智能·语言模型·自然语言处理
ToTensor2 小时前
CUDA环境安装终极指南——Linux(其它系统也一样)
人工智能
WeeJot嵌入式2 小时前
人工智能:机遇与挑战
人工智能