主要功能:
在进行腐蚀和膨胀的讲解之前,首先需要注意,
腐蚀和膨胀是对白色部分(高亮部分)而言的,不是黑色部分。
膨胀就是图像中的高亮部分进行膨胀,“领域扩张”,效果图拥有比原图更大的高亮区域。
腐蚀就是原图中的高亮部分被腐蚀,“领域被蚕食",效果图拥有比原图更小的高亮区域。
img=cv2.imread(r"fushi.jpg")
#2.图像显示
cv2.imshow(‘image’,img)
#等待时间,ms级,0表示任意键终止
cv2.waitKey(0)
cv2.destroyAllWindows()
图像观察
黑白两色,1,255. 二值
腐蚀操作
腐蚀是最基本的形态学操作之一,
它能够将图像的边界点消除,使图像沿着边界向内收缩,
也可以将小于指定结构体元素的部分去除。
腐蚀用来”收缩"或者"细化"二值图像中的前景,借此实现去除噪声、元素分割等功能。
在腐蚀过程中,通常使用一个结构元来逐个像素地扫描要被腐蚀的图像,并根据结构元和被腐蚀图像的关系来确定腐蚀结果。
语法格式
dst = cv2.erode(src,kernel,iterations = 1)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)#iterations = 1迭代次数
cv2.imshow('erosion',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()
pie = cv2.imread(‘pie.png’)
#2.图像显示
cv2.imshow(‘pie’,pie)
#等待时间,ms级,0表示任意键终止
cv2.waitKey(0)
cv2.destroyAllWindows()
#改变迭代次数,比较不同迭代次数后图像变化
kernel = np.ones((30,30),np.uint8)
erosion_1 = cv2.erode(pie,kernel,iterations = 1)
erosion_2 = cv2.erode(pie,kernel,iterations = 2)
erosion_3 = cv2.erode(pie,kernel,iterations = 3)
res = np.hstack((erosion_1,erosion_2,erosion_3))
cv2.imshow('res',res)
cv2.waitKey(0)
cv2.destroyAllWindows()
按数学方面来说,膨胀或者腐蚀操作就是将图像(或图像的一部分区域,我们称之为A)与核(我们称之为B)进行卷积。
核可以是任何的形状和大小,它拥有一个单独定义出来的参考点,我们称其为锚点(anchorpoint)。
多数情况下,核是一个小的中间带有参考点和实心正方形或者圆盘,其实,我们可以把核视为模板或者掩码。
而膨胀就是求局部最大值的操作,核B与图形卷积,
即计算核B覆盖的区域(体现局部)的像素点的最大值,
并把这个最大值赋值给参考点指定的像素。这样就会使图像中的高亮区域逐渐增长。
语法格式
dst = cv2.dilate(src,kernel,iterations = 1)
#膨胀操作
#改变迭代次数,比较不同迭代次数后图像变化
kernel = np.ones((30,30),np.uint8)
dilate_1 = cv2.dilate(pie,kernel,iterations = 1)
dilate_2 = cv2.dilate(pie,kernel,iterations = 2)
dilate_3 = cv2.dilate(pie,kernel,iterations = 3)
res = np.hstack((dilate_1,dilate_2,dilate_3))
cv2.imshow('res',res)
cv2.waitKey(0)
cv2.destroyAllWindows()
开运算——相当于先腐蚀,再膨胀
# 开,先腐蚀,再膨胀
img = cv2.imread("fushi.jpg")
kernel = np.ones((5,5),np.uint8)
opening = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)
cv2.imshow('opening',opening)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 闭 先膨胀,再腐蚀
img = cv2.imread("fushi.jpg")
kernel = np.ones((5,5),np.uint8)
closing = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)
cv2.imshow('closing',closing)
cv2.waitKey(0)
cv2.destroyAllWindows()
梯度 = 膨胀 - 腐蚀
对比膨胀和腐蚀的图像
# 梯度 = 膨胀 - 腐蚀
pie = cv2.imread("pie.png")
kernel = np.ones((7,7),np.uint8)
dilate = cv2.dilate(pie,kernel,iterations = 5)
erosion = cv2.erode(pie,kernel,iterations = 5)
res = np.hstack((dilate,erosion))
cv2.imshow('res',res)
cv2.waitKey(0)
cv2.destroyAllWindows()
进行梯度运算后:
# 梯度运算
gradient = cv2.morphologyEx(pie,cv2.MORPH_GRADIENT,kernel)
cv2.imshow('gradient',gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()
礼帽
# 礼帽
img = cv2.imread("fushi.jpg")
kernel = np.ones((5,5),np.uint8)
tophat = cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)
cv2.imshow('tophat',tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()
黑帽
# 黑帽
img = cv2.imread("fushi.jpg")
kernel = np.ones((10,10),np.uint8)#(5,5)看不出来
blackhat = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)
cv2.imshow('blackhat',blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()