opencv 1-- getStructuringElement

opencv 1-- getStructuringElement函数
2018年05月19日 15:16:38 wust小吴 阅读数:219更多
个人分类: opencv
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u014737138/article/details/80374666
getStructuringElement函数—获取结构化元素

形态学处理

形态学操作,例如腐蚀,膨胀,开运算,闭运算等

形态学操作是根据图像形状进行的简单操作
一般情况下对二值化图像进行的操作。

需要输入两个参数:
一个是原始图像,
一个被称为结构化元素或核,它是用来决定操作的性质的

OpenCV 函数 cv2.getStructuringElement()

用户:

element = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
1
得到 5*5 的十字形结构
这里写图片描述

实际上这里是一个5 * 5的矩阵

import cv2
element = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
element
array([[0, 0, 1, 0, 0],
[0, 0, 1, 0, 0],
[1, 1, 1, 1, 1],
[0, 0, 1, 0, 0],
[0, 0, 1, 0, 0]], dtype=uint8)
1
2
3
4
5
6
7
8
这里展示的是十字型的结构,下面看一个矩形

cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
array([[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1]], dtype=uint8)
1
2
3
4
5
6
椭圆结构

cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
array([[0, 0, 1, 0, 0],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[0, 0, 1, 0, 0]], dtype=uint8)
1
2
3
4
5
6
其实我们也可以用numpy来生成自己需要的结构化元素

kernel = np.ones((5,5),np.uint8)
kernel
array([[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1]], dtype=uint8)
1
2
3
4
5
6
7
可能你想到的是上面的十字型的,numby支持你去修改
做一个for循环修改即可,不展示

怎么理解 结构化元素 或者 核 在形态学处理时的作用,它的原理时怎么样的呢?

过程是这样的:

首先得提前申明一点,能够做形态学操作的图像必须是二值化的,也就是图片在
表示上只有0,1 了,

这个时候,你定义一个核,这个核就称为结构化元素;它的定义也只有0,1

让这个核,从你图像的左上角开始滑动,滑完整个图片,

计算过程就是:

如果与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(异或运算)

理解这句话很简单,如果对深度学习的卷积层的处理非常的清楚的话,他们是同一个操作

以 腐蚀操作为例:(做 与运算 )

//图像腐蚀
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
1
2
3
核的区域 滑动到原图像 此时区域的中间元素,会被重置为0,或者1;

再来理解因为图像已经是二值化的了,前景区域此时基本都是1,背景基本都是0;

但是 前景区域1附近可能会有一些噪声,形态学操作就是干掉这些,

通过滑动,可以让前景图像,也就是二值化的白色区域变得更干净

作用总结就是:

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,也可以用来断开两个连在一块的物体等、

腐蚀让图像缩小了,怎么办,接下来可以继续用核,让这个图像变大,

这也就是经常看到的先腐蚀,再膨胀

膨胀的原理(做 或运算)

# 图像膨胀 
kernel = np.ones((5,5),np.uint8)
erosion = cv2.dilate(gass_img,kernel,iterations=1)

1
2
3
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

膨胀带来的结果有一点需要注意:

在腐蚀的时候本来将两个图像进行了分离,膨胀可能会让两个图像再次连接在一起了

你可能感兴趣的:(opencv)