数字图像处理-9-图像的腐蚀和膨胀

文章目录

  • 1.图像腐蚀(Erosion)
    • [1.1 垂直腐蚀](#1.1 垂直腐蚀)
    • [1.2 水平腐蚀](#1.2 水平腐蚀)
    • [1.3 全方向腐蚀](#1.3 全方向腐蚀)
  • [2. 图像的膨胀](#2. 图像的膨胀)
    • [2.1 垂直膨胀](#2.1 垂直膨胀)
    • [2.2 水平膨胀](#2.2 水平膨胀)
    • [2.3 全方向膨胀](#2.3 全方向膨胀)

1.图像腐蚀(Erosion)

注意:以下图像处理都是二值图像,所以在进行处理之前需要先将图像进行二值化.

1.1 垂直腐蚀

  • 算法原理:在前景=0、背景=255 的二值图上,用结构元素扫描每个像素。
    若结构元素覆盖窗口内存在任意背景像素 ,输出为背景(255);
    只有窗口全部为前景时,输出才为前景(0)。
    等价于最小值滤波:output = MIN(window)

如下对应的结构元素为3x1,在遍历每个元素时,会检测它的上,中,下三个像素存不存背景色,如果存在背景色,则把当前像素置为背景色(白色)

  • python代码
    如下代码代码使用的3x1的窗口,说白了就是把垂直方向上,上下边界各腐蚀3各像素点
python 复制代码
def erode_vertical(pixels, width, height):
    """
    垂直腐蚀:结构元素为 3×1 竖条 [1,1,1]^T
    对每个像素,检查上、中、下三个位置:
      若有任意背景像素(>128),输出为背景;否则为前景。
    跳过顶行和底行。
    """
    # 初始化目标缓冲区
    dst = bytearray(width * height)

    for y in range(1, height - 1):
        for x in range(width):
            # 先置前景,若 3x1 窗口内有背景则改为背景
            out = 0  # 前景
            for dy in (-1, 0, 1):
                if pixels[(y + dy) * width + x] > 128:
                    out = 255  # 背景
                    break
       

    return dst
  • 效果图:
    垂直方向上,上下边界各腐蚀3各像素

1.2 水平腐蚀

  • 检测原理: 结构元素为 1×3 横条 1,1,1 对每个像素,检查左、中、右三个位置。跳过最左列和最右列。
  • python代码
    说白了就是水平方向上,前景的左右边界各腐蚀3各像素
python 复制代码
def erode_horizontal(pixels, width, height):
	# pixels:是二值图像的数据
	# 初始化目标缓冲区
    dst = bytearray(width * height)

    for y in range(height):
        for x in range(1, width - 1):
            out = 0
            for dx in (-1, 0, 1):
                if pixels[y * width + (x + dx)] > 128:
                    out = 255
                    break
            dst[y * width + x] = out

    return dst
  • 效果图
    说白了就是水平方向上,前景的左右边界各腐蚀3各像素

1.3 全方向腐蚀

这里它的原理和垂直腐蚀,水平腐蚀有些不同,这里检测区域变为分别检测当前元素的上,下,左,右,右下的像素有没有存在背景颜色的,如果存在,则把当前元素置白.

如下图所示,黑色为当前像素,四周粉色高亮的为要检测的像素,如果周围存在背景色,则把当前像素置白(背景色)

  • python代码
python 复制代码
def erode_full(pixels, width, height):
    """
    全方向腐蚀:使用 3×3 结构元素-这个区域可自定义,在实际使用中,腐蚀效果,用户可自定义。
    这里我们使用如下5各偏移的像素
    # 5 个检查偏移 (dy, dx), 注意这里前面是y轴偏移,后面是x轴偏移
    (+1, 0), (0, -1), (0, +1), (-1, 0), (-1, +1)
    """
    dst = bytearray(width * height)
    # 5 个检查偏移 (dy, dx)
    offsets = [(+1, 0), (0, -1), (0, +1), (-1, 0), (-1, +1)]

    for y in range(1, height - 1):
        for x in range(1, width - 1):
            out = 0
            for dy, dx in offsets:
                if pixels[(y + dy) * width + (x + dx)] > 128: # 存在背景色(白)
                    out = 255
                    break
            dst[y * width + x] = out

    return dst
  • 效果图

2. 图像的膨胀

2.1 垂直膨胀

  • 检测原理:

    与腐蚀对偶。若结构元素覆盖窗口内存在任意前景像素 ,输出为前景(0);否则为背景(255)。

    等价于最大值滤波(在前景=0 约定下为最小值)。

  • python代码

    代码比较简单,说白了,就是垂直方向上,上下各边界往外面外扩3个元素.这个用户实际使用时,可自定义.

python 复制代码
def dilate_vertical(pixels, width, height):
    """
    垂直膨胀:3×1 结构元素。
    窗口内有任意前景像素(<128),输出为前景。
    """
    dst = bytearray(b'\xff' * width * height)  # 初始化为背景

    for y in range(1, height - 1):
        for x in range(width):
            out = 255  # 背景
            for dy in (-1, 0, 1):
                if pixels[(y + dy) * width + x] < 128:
                    out = 0  # 前景
                    break
            dst[y * width + x] = out

    return dst
  • 效果图
    如下"日"字的上下变粗了.

2.2 水平膨胀

  • 检测原理:

    在水平方向上,检测当前元素的在x轴分别偏移(-1, 0, 1)的三个元素是否存在前景像素(0), 如果存在,则把当前像素置为前景0.

  • python代码

    说白了,就是水平方向上,左右边界各扩大3个像素,在实际使用时,用户可自定义窗口大小.

python 复制代码
def dilate_horizontal(pixels, width, height):
    """
    水平膨胀:1×3 结构元素。
    """
    dst = bytearray(b'\xff' * width * height)

    for y in range(height):
        for x in range(1, width - 1):
            out = 255
            for dx in (-1, 0, 1):
                if pixels[y * width + (x + dx)] < 128:
                    out = 0
                    break
            dst[y * width + x] = out

    return dst
  • 效果图
    原理就是左右边界各增大3个像素, 如下"日"字的的左右边变宽了.

2.3 全方向膨胀

  • 检测原理:
    全方向膨胀:与 "全方向腐蚀" 具有相同的结构元素,窗口内有前景,则把当前像素输出前景。 这里的窗口实际使用时,是可以随参传入的,不一定是这几个.
  • python代码
    代码简单,如果窗口内存在前景像素,则 当前像素置为前景(黑色0)
python 复制代码
def dilate_full(pixels, width, height):
    dst = bytearray(b'\xff' * width * height)
    offsets = [(+1, 0), (0, -1), (0, +1), (-1, 0), (-1, +1)]

    for y in range(1, height - 1):
        for x in range(1, width - 1):
            out = 255
            for dy, dx in offsets:
                if pixels[(y + dy) * width + (x + dx)] < 128:
                    out = 0
                    break
            dst[y * width + x] = out

    return dst
  • 效果图
相关推荐
羲云网络2 天前
GPT Image 2.6 商品图交付:用文件指纹排查错图、覆盖与版本串线
图像处理·人工智能·python·技术教程·文件校验
VIP_CQCRE2 天前
GPT Image 2.6 选型别只看首张:用盲评与合格图耗时比较 Flare、Sunburst
软件测试·图像处理·人工智能
硅谷秋水4 天前
MorphMimic 方法分析
人工智能·机器学习·计算机视觉·机器人
jay神4 天前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计
楚山之石6 天前
【Nat Biomed Eng】Connectome 2.0 超高梯度扫描仪:500 mT/m 与 600 T/m/s 把活体人脑微观结构分辨推进到亚微米级
图像处理·学习·数据分析·mri
Martina_03216 天前
AI生成的3D白模单帧没问题,镜头一移动就被挡?用6步检查遮挡与构图
图像处理·人工智能·数学建模·3d·ai·自然语言处理·游戏策划
jay神7 天前
基于 YOLOv8 的手势识别系统(Web 版)
前端·人工智能·python·深度学习·yolo·计算机视觉·计算机毕业设计
wangxiaoxuan2177 天前
TF2 的原理与使用:把坐标、运动和观测时间一起算清楚
计算机视觉·机器人·科沃斯八界
硅谷秋水7 天前
EgoHumanoid‑V2 方法分析
人工智能·机器学习·计算机视觉·语言模型·机器人
BYSJMG7 天前
计算机毕业设计选题推荐:【基于深度学习的车辆损坏严重程度评估方法研究】ResNet50 图像分类
人工智能·深度学习·目标检测·机器学习·计算机视觉·分类·课程设计