专栏首页风吹杨柳opencv 2 -- 形态学处理

opencv 2 -- 形态学处理

原图展示

一、 图像腐蚀 图像腐蚀: 卷积核沿着图像滑动,如果与卷积核对应的原图 像的所有像素值都是 1,那么中心元素就保持原来的像素值,否则就变为零。

根据卷积核的大小靠近前景的所有像素都会被腐蚀 掉(变为 0),所以前景物体会变小,整幅图像的白色区域会减少。这对于去除 白噪声很有用

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
cv2.imshow('demo', erosion)

结果,图像腐蚀之后,人的手臂明显变瘦了

二 图像膨胀

与腐蚀相反,与卷积核对应的原图像的像素值中只要有一个是 1,中心元 素的像素值就是 1。所以这个操作会增加图像中的白色区域(前景)。一般在去 噪声时先用腐蚀再用膨胀

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
dilation = cv2.dilate(erosion,kernel,iterations = 1)
cv2.imshow('demo', dilation)

结果:可以看到再次膨胀之后,得到的图片跟原图比,人物很近 但是外面圆圈没有完全复原

腐蚀和膨胀的处理很简单,只需设置好结构元素, 然后分别调用cv2.erode(…)cv2.dilate(…)函数即可

三、开运算

开运算和闭运算就是将腐蚀和膨胀按照一定的次序进行处理 先进性腐蚀再进行膨胀就叫做开运算。就是上面两步,它被用来去除噪声。

开运算用于移除由图像噪音形成的斑点

开运算用到的函数是 cv2.morphologyEx()

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
# 开运算
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
cv2.imshow('demo', opening)

结果 可以看到跟上面的第二个展示基本差不多

四、闭运算

先膨胀再腐蚀。 它经常被用来填充前景物体中的小洞,或者前景物体上的小黑点

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
# 闭运算
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
cv2.imshow('demo', closing)

结果:这里可以看到,外圆环破碎的地方被补起来了,外圆环变白了, 人物上的黑点没有了,

某些情况下可以连续运用这两种运算。 如对一副二值图连续使用闭运算和开运算,将获得图像中的主要对象

五、形态学梯度 其实就是一幅图像膨胀与腐蚀的差别。 结果看上去就像前景物体的轮廓。

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
# 梯度
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
cv2.imshow('demo', gradient)

结果:旁边有很多白色的小点在干扰

六、礼帽 原始图像与进行开运算之后得到的图像的差

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
# 礼帽
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('demo', tophat)

结果:

七、黑帽 进行闭运算之后得到的图像与原始图像的差

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
# 黑帽
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('demo', blackhat)

结果:

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • opencv 9 -- 轮廓 其他操作

    OpenCV 中有一个函数 cv.convexityDefect() 可以帮助我们找到凸缺陷。

    wust小吴
  • opencv 8 --背景减除 -- BackgroundSubtractorMOG2

    例如顾客统计,使用一个静态摄像头来记录进入和离开房间的人数;或者是交通摄像头,需要提取交通工具的信息等。

    wust小吴
  • opencv 9 -- 轮廓 近似方法

    这是函数 cv2.findCountours() 的第三个参数。它到底代表什么意思呢?

    wust小吴
  • OpenCV 系列教程5 | OpenCV 图像处理(中)

    霍夫变换是一种特征提取技术,主要应用于检测图像中的直线或者圆。 OpenCV 中分为霍夫线变换和霍夫圆变换。

    机器视觉CV
  • Python OpenCV4趣味应用系列(九)---划痕缺陷检测实例

    比如Canny边缘检测也可以,只是阈值难于调节。当然,实现方法不唯一,大家可以自己尝试一下。

    Color Space
  • 常见的图像变换二值化与形态学操作-python-opencv版

    1.变为rgb通道: img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) 2.变为灰度图: gray = cv2.cvt...

    微风、掠过
  • OpenCV学习笔记(Python)

    警告: 就算图像的路径是错的, OpenCV 也不会提醒你的,但是当你使用命 令print img时得到的结果是None。

    一点儿也不潇洒
  • [图像处理] Python+OpenCV实现车牌区域识别

    这里原理推荐我以前C++图像处理的文章,如下:https://blog.csdn.net/column/details/eastmount-mfc.html

    统计学家
  • OpenCV从零基础---检测及分割图像的目标区域

    作者:王抒伟 编辑:王抒伟 算了 爱看多久看多久 零 参考目录: 1.获取图片 2.转换灰度并去噪声 3.提取图像的梯度 4.我们继续去噪声 5.图像形态学...

    机器学习算法工程师
  • 如何教电脑玩Spot it!使用OpenCV和深度学习

    爱好是玩棋盘游戏,因为对CNN有所了解,所以决定开发一种可以在纸牌游戏中击败人类的应用程序。想使用我自己的数据集从头开始构建模型,以查看使用小数据集从头开始的模...

    代码医生工作室

扫码关注云+社区

领取腾讯云代金券