opencv学习(三)图像形态学操作

  1. 腐蚀操作

  • 读取图片,如下所示:

import cv2
img = cv2.imread('E:/opencv/open-cv/2-7/dige.png')

cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
opencv学习(三)图像形态学操作_第1张图片
  • 腐蚀函数cv2.erode()

cv2.erode(img, kernel, iteration)

参数说明:img表示的是输入图片,kernel表示的是方框的大小,iteration表示迭代的次数

腐蚀操作原理:存在一个kernel,比如(4, 4),在图像中不断的平移,在这个16方框中,哪一种颜色所占的比重大,16个方格中将都是这种颜色。

python实现如下

import numpy as np
kernel = np.ones((3,3),np.uint8) 
erosion = cv2.erode(img,kernel,iterations = 1)

cv2.imshow('erosion', erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

对比核大小图像如下:

opencv学习(三)图像形态学操作_第2张图片

2*2的核

opencv学习(三)图像形态学操作_第3张图片

3*3的核

opencv学习(三)图像形态学操作_第4张图片

4*4的核

可以看出来核比较小时效果有点差,如核大小为2*2。

对比不同迭代次数的效果:可以看出来迭代次数很大,基本上全被腐蚀掉了

kernel = np.ones((4,4),np.uint8) 
erosion_1 = cv2.erode(img,kernel,iterations = 1)
erosion_2 = cv2.erode(img,kernel,iterations = 2)
erosion_3 = cv2.erode(img,kernel,iterations = 3)
res = np.hstack((erosion_1,erosion_2,erosion_3))
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()
opencv学习(三)图像形态学操作_第5张图片
  1. 膨胀操作

cv2.dilate()函数,里面参数和腐蚀函数中一致。

其不同迭代次数图像膨胀对比:

pie = cv2.imread('E:/opencv/open-cv/2-7/dige.png')

kernel = np.ones((10,10),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()
opencv学习(三)图像形态学操作_第6张图片

和腐蚀一样,其迭代次数很大时,图片膨胀过大了。

  1. 开运算和闭运算

  • 开运算:是指先腐蚀操作,再进行膨胀操作

  • cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel):里面参数分别为img图像,cv2.MORPH_OPEN为开运算,kernel为核。

img = cv2.imread('E:/opencv/open-cv/2-7/dige.png')

kernel = np.ones((5,5),np.uint8) 
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

cv2.imshow('opening', opening)
cv2.waitKey(0)
cv2.destroyAllWindows()
opencv学习(三)图像形态学操作_第7张图片
  • 闭运算:先进行膨胀操作,再进行腐蚀操作。

  • cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel):里面参数分别为img图像,cv2.MORPH_CLOSE为开运算,kernel为核。

img = cv2.imread('E:/opencv/open-cv/2-7/dige.png')

kernel = np.ones((5,5),np.uint8) 
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

cv2.imshow('closing', closing)
cv2.waitKey(0)
cv2.destroyAllWindows()
opencv学习(三)图像形态学操作_第8张图片

可以看出,闭运算和原图基本上没啥区别。

  1. 梯度运算

  • 梯度运算:梯度=膨胀-腐蚀

  • cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel):就是和开运算和闭运算换了个函数 cv2.MORPH_GRADIENT

先分别进行腐蚀和膨胀操作,效果如下:

pie = cv2.imread('E:/opencv/open-cv/2-7/dige.png')
kernel = np.ones((4,4),np.uint8) 
dilate = cv2.dilate(pie,kernel,iterations = 2)
erosion = cv2.erode(pie,kernel,iterations = 2)

res = np.hstack((dilate,erosion))

cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()
opencv学习(三)图像形态学操作_第9张图片

再进行梯度运算:

gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel)

cv2.imshow('gradient', gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()
opencv学习(三)图像形态学操作_第10张图片
  1. 礼帽和黑帽

  • 礼帽 = 原始输入-开运算结果

  • cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel):cv2.MORPH_TOPHAT礼帽主要是设置这个参数

img = cv2.imread('E:/opencv/open-cv/2-7/dige.png')
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('tophat', tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()
opencv学习(三)图像形态学操作_第11张图片

  • 黑帽 = 闭运算-原始输入

  • cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel):cv2.MORPH_BLACKHAT黑帽主要是设置这个参数

img = cv2.imread('E:/opencv/open-cv/2-7/dige.png')
blackhat  = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('blackhat ', blackhat )
cv2.waitKey(0)
cv2.destroyAllWindows()
opencv学习(三)图像形态学操作_第12张图片

你可能感兴趣的:(OpenCV,opencv,计算机视觉,学习)