图像的膨胀(dilation)和腐蚀(erosion)是两种基本的形态学运算,主要用来寻找图像中的极大区域和极小区域,其中膨胀类似与 '领域扩张' ,将图像的高亮区域或白色部分进行扩张,其运行结果图比原图的高亮区域更大。腐蚀类似 '领域被蚕食' ,将图像中的高亮区域或白色部分进行缩减细化,其运行结果图比原图的高亮区域更小。
1.图像膨胀
膨胀的运算符是“⊕”,其定义如下:
该公式表示用B来对图像A进行膨胀处理,其中B是一个卷积模板或卷积核,其形状可以为正方形或圆形,通过模板B与图像A进行卷积计算,扫描图像中的每一个像素点,用模板元素与二值图像元素做“与”运算,如果都为0,那么目标像素点为0,否则为1。从而计算B覆盖区域的像素点最大值,并用该值替换参考点的像素值实现膨胀。下图是将左边的原始图像A膨胀处理为右边的效果图A⊕B。
2.图像腐蚀
腐蚀的运算符是“-”,其定义如下:
该公式表示图像A用卷积模板B来进行腐蚀处理,通过模板B与图像A进行卷积计算,得出B覆盖区域的像素点最小值,并用这个最小值来替代参考点的像素值。如图所示,将左边的原始图像A腐蚀处理为右边的效果图A-B。
处理结果如下:
1.理论基础
形态学转换主要针对的是二值图像(0或1)。 图像腐蚀类似于“领域被蚕食”,将图像中的高亮区域或白色部分进行缩减细化,其运行结果图比原图的高亮区域更小。其主要包括两个输入对象:
(1)二值图像
(2)卷积核
2.函数原型
图像腐蚀主要使用erode函数
dst = cv2.erode(src, kernel, iterations)参数
- dst表示处理的结果,
- src表示原图像,kernel表示卷积核,
- iterations表示迭代次数。
注意:迭代次数默认是1,表示进行一次腐蚀,也可以根据需要进行多次迭代,进行多次腐蚀。
3.代码实现
import cv2
import numpy as np
#读取图片
image = cv2.imread("E:/pythonProject/02.jpg",cv2.IMREAD_UNCHANGED)
#设置卷积核
kernel = np.ones((10, 10), np.uint8)
#图像腐蚀处理
erosion = cv2.erode(image, kernel)
#显示窗口
cv2.imshow("erosion", erosion)
cv2.imshow("image", image)
#窗口等待
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如下图所示:
卷积核取(10,10),可以看出细线已经被腐蚀掉了,较粗的轮廓线还在,此时可以设置迭代次数iterstions = 9,输出结果如下图所示:
1.理论基础
图像膨胀是腐蚀操作的逆操作,类似于“领域扩张”,将图像中的高亮区域或白色部分进行扩张,其运行结果图比原图的高亮区域更大,线条变粗了,主要用于去噪。
(1) 图像被腐蚀后,去除了噪声,但是会压缩图像。
(2) 对腐蚀过的图像,进行膨胀处理,可以去除噪声,并且保持原有形状。
它也包括两个输入对象:
(1)二值图像或原始图像
(2)卷积核
2.函数原型
图像膨胀主要使用dilate函数,其原型如下:
dst = cv2.dilate(src, kernel, iterations)参数
- dst表示处理的结果,
- src表示原图像,
- kernel表示卷积核,
- iterations表示迭代次数。
注意:迭代次数默认是1,表示进行一次膨胀,也可以根据需要进行多次迭代,进行多次膨胀。通常进行1次膨胀即可。
3.代码实现
import cv2
import numpy as np
#读取图片
image = cv2.imread("E:/pythonProject/02.jpg",cv2.IMREAD_UNCHANGED)
#设置卷积核
kernel = np.ones((10, 10), np.uint8)
#图像膨胀处理
result = cv2.dilate(image, kernel)
#显示窗口
cv2.imshow("result", result)
cv2.imshow("image", image)
#窗口等待
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如下图所示:
图像去噪通常需要先腐蚀后膨胀,这又称为开运算。
核心代码:
erosion = cv2.erode(src, kernel) result = cv2.dilate(erosion, kernel)
完整代码如下:
import cv2
import numpy as np
#读取图片
image = cv2.imread("E:/pythonProject/03.png",cv2.IMREAD_UNCHANGED)
#设置卷积核
kernel = np.ones((5, 5), np.uint8)
#图像腐蚀处理
erosion = cv2.erode(image, kernel)
#图像膨胀处理
result = cv2.dilate(image, kernel)
#显示窗口
cv2.imshow("erosion", erosion)
cv2.imshow("result", result)
cv2.imshow("image", image)
#窗口等待
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如下所示: