【图像处理】图像形态学操作

参考文章:07-形态学操作

一、图像腐蚀

在图像的形态学操作中,腐蚀主要针对二值图像,使用卷积核的中心点逐个扫描原始图像。被扫描到的原始图像中的像素

点,只有当卷积核对应的元素值均为1(白色)时,其值才为1(白色),否则值为0(黑色)。

腐蚀是对白色部分(高亮部分)而言的,可以理解为删除对象边界的某些像素点,即效果图的高亮区域比原图更小。

函数erode: dst = cv2.erode(src, kernel, iterations)

  1. src:源图像
  2. kernel:卷积核
  3. iterations:迭代次数,默认值为1

例如,生成一个5×5的卷积核:

python 复制代码
kernel = np.ones((5,5), np.uint8)
python 复制代码
import cv2
import numpy as np

img = cv2.imread(r"image\erode.bmp", cv2.IMREAD_UNCHANGED)

# 卷积核
kernel = np.ones((5,5), np.uint8)
# 图像腐蚀
erosion = cv2.erode(img, kernel, iterations=5)

cv2.imshow("original", img)
cv2.imshow("erosion", erosion)

cv2.waitKey(0)
cv2.destroyAllWindows()

图像腐蚀的实验结果:

二、图像膨胀

图像膨胀是图像腐蚀的逆操作,也主要针对二值图像。使用卷积核的中心点逐个像素扫描原始图像,被扫描到的原始图像中的像素点,当卷积核对应的元素值只要有一个为1(白色)时,其值就为1(白色),否则值为0(黑色)。

膨胀也是对白色部分(高亮部分)而言的,即效果图的高亮区域比原图更大。

函数dilate:

dst = cv2.dilate(src, kernel, iterations)

  1. src:源图像
  2. kernel:卷积核
  3. iterations:迭代次数,默认值为1

例如,生成一个5×5的卷积核:

python 复制代码
kernel = np.ones((5,5), np.uint8)
python 复制代码
import cv2
import numpy as np

img = cv2.imread(r"image\dilation.bmp", cv2.IMREAD_UNCHANGED)

# 卷积核
kernel = np.ones((5,5), np.uint8)
# 图像膨胀
dilation = cv2.dilate(img, kernel, iterations=5)

cv2.imshow("original", img)
cv2.imshow("dilation", dilation)

cv2.waitKey(0)
cv2.destroyAllWindows()

图像膨胀的实验结果:

三、开运算

先腐蚀后膨胀,能够有效去除噪声,并保持原有图像形状不变。

函数morphologyEx:
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

  1. img:源图像
  2. cv2.MORPH_OPEN:开运算标识
  3. kernel:卷积核

例如,生成一个5×5的卷积核:

python 复制代码
kernel = np.ones((5,5), np.uint8)
python 复制代码
import cv2
import numpy as np

img = cv2.imread(r"image\opening.bmp", cv2.IMREAD_UNCHANGED)

# 卷积核
kernel = np.ones((10,10), np.uint8)
# 开运算,先腐蚀后膨胀
result = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

cv2.imshow("original", img)
cv2.imshow("result", result)

cv2.waitKey(0)
cv2.destroyAllWindows()

开运算的实验结果:

四、闭运算

先膨胀后腐蚀,有助于关闭物体内的小孔,或物体上的小黑点,并保持原有图像形状不变。

函数morphologyEx:
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

  1. img:源图像
  2. cv2.MORPH_CLOSE:闭运算标识
  3. kernel:卷积核

例如,生成一个5×5的卷积核:

python 复制代码
kernel = np.ones((5,5), np.uint8)
python 复制代码
import cv2
import numpy as np

img = cv2.imread(r"image\closing.bmp", cv2.IMREAD_UNCHANGED)

# 卷积核
kernel = np.ones((10,10), np.uint8)
# 闭运算,先膨胀后腐蚀
result = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

cv2.imshow("original", img)
cv2.imshow("result", result)

cv2.waitKey(0)
cv2.destroyAllWindows()

闭运算的实验结果:

五、梯度运算

通过对原始图像分别进行膨胀和腐蚀处理,得到梯度图像 = 膨胀图像 - 腐蚀图像。

函数morphologyEx:
result = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

  1. img:源图像
  2. cv2.MORPH_GRADIENT:梯度运算标识
  3. kernel:卷积核

例如,生成一个5×5的卷积核:

python 复制代码
kernel = np.ones((5,5), np.uint8)
python 复制代码
import cv2
import numpy as np

img = cv2.imread(r"image\gradient.bmp", cv2.IMREAD_UNCHANGED)

# 卷积核
kernel = np.ones((10,10), np.uint8)
# 梯度运算,梯度图像 = 膨胀图像 - 腐蚀图像
result = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

cv2.imshow("original", img)
cv2.imshow("result", result)

cv2.waitKey(0)
cv2.destroyAllWindows()

梯度运算的实验结果:

六、礼帽操作

通过对原始图像进行开运算处理,得到礼帽图像 = 原始图像 - 开运算图像。

函数morphologyEx:
result = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

  1. img:源图像
  2. cv2.MORPH_TOPHAT:礼帽操作标识
  3. kernel:卷积核

例如,生成一个5×5的卷积核:

python 复制代码
kernel = np.ones((5,5), np.uint8)
python 复制代码
import cv2
import numpy as np

img = cv2.imread(r"image\tophat.bmp", cv2.IMREAD_UNCHANGED)

# 卷积核
kernel = np.ones((5,5), np.uint8)
# 礼帽操作,礼帽图像 = 原始图像 - 开运算图像
result = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

cv2.imshow("original", img)
cv2.imshow("result", result)

cv2.waitKey(0)
cv2.destroyAllWindows()

礼帽操作的实验结果:

七、黑帽操作

通过对原始图像进行闭运算处理,得到黑帽图像 = 闭运算图像 - 原始图像。

函数morphologyEx:
result = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

  1. img:源图像
  2. cv2.MORPH_BLACKHAT:黑帽操作标识
  3. kernel:卷积核

例如,生成一个5×5的卷积核:

python 复制代码
kernel = np.ones((5,5), np.uint8)
python 复制代码
import cv2
import numpy as np

img = cv2.imread(r"image\blackhat.bmp", cv2.IMREAD_UNCHANGED)

# 卷积核
kernel = np.ones((10,10), np.uint8)
# 黑帽操作,黑帽图像 = 闭运算图像 - 原始图像
result = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

cv2.imshow("original", img)
cv2.imshow("result", result)

cv2.waitKey(0)
cv2.destroyAllWindows()

黑帽操作的实验结果:

更多资料:https://github.com/0voice

相关推荐
VIP_CQCRE19 小时前
GPT Image 2.6 商品图换背景后悬浮?接触阴影、透明区域与反射验收
图像处理·人工智能·ai·电商
泯泷20 小时前
别再傻傻地喂文件了,大厂都在偷偷给AI建这种“专属图书馆”
人工智能
oak隔壁找我21 小时前
一款运行在 DSH(DeepSeek Harness)中的类 Postman HTTP 接口调试插件
人工智能·程序员
高洁0121 小时前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
Csvn21 小时前
如果明天供应商涨价 3 倍?三层解耦,换模型只改一行配置(C05)
人工智能·aigc·agent
在所不辞兄1 天前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
锋行天下1 天前
langgraph 全栈项目(三)
前端·人工智能·后端
黄啊码1 天前
【黄啊码】最近面了十几个想转 FDE 的程序员,一个都没招
人工智能
锋行天下1 天前
langgraph 全栈项目(二)
前端·人工智能·后端
大模型真好玩1 天前
用 Seedance 2.5 Flash 实现1分钟AI短剧,满足孩子的超级英雄对战梦
人工智能·aigc·deepseek