• 不同的形态学操作,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操作。需要的参数有两个,一个是原始图像,第二个被称为结构化元素或核,它是用来决定操作性质的。两个基本的形态学操作是腐蚀和膨胀。他们的变体构成了开运算,闭运算,梯度等。

1.腐蚀

  就像土壤侵蚀一样,这个操作会把前景物体的边界腐蚀掉(但前景仍然是白色的)。怎么实现的?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0.

  这样根据卷积核的大小,靠近前景的所欲像素都会被腐蚀掉,所有前景侮辱会变小,整幅图像的白色区域会减少。这对ゆ去除白噪声很有用,也可以用来断开两个连载一起的物体等。

  以下例程使用一个5*5卷积核,其中所有值都是1:

  # -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('7.png',0)
kernel = np.ones((5,5),np.uint8)#注意这里kernel的类型和前面不同
erosion = cv2.erode(img,kernel,iterations=1)#iteration指迭代执行的次数

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

效果如下:

--->

2.膨胀

  正好与腐蚀相反,只要卷积核对应的原图像的像素值中有一个是1,中心元素的像素值就是1.所以用这个操作会增加白色区域。一般在去噪声时先用腐蚀再用膨胀。因为腐蚀在去掉白噪声时也会导致前景对象变小。所以在对其进行膨胀操作,此时不会增加白噪声的情况下可以增加前景。当然膨胀也可以用来连接两个分开的物体。

# -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('7.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.dilate(img,kernel,iterations=1)

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

效果如下:

  ---> 

3.开运算

  先进行腐蚀在进行膨胀就叫做开运算。作用如上所述是为了去除噪声。我们也可以用cv2.morphologyEx()来操作

# -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt img = cv2.imread('6.jpg',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel) cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

4.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

# -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('6.jpg',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)#中间的设置项变了

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

5.形态学梯度

  就是一幅图像膨胀和腐蚀的区别。看上去就像前景物体的轮廓

  # -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('7.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)

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

6.礼帽

  原始图像 与 进行开运算后得到的图像 做差(可以想象应该主要是噪声)。

# -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt img = cv2.imread('7.png',0)
kernel = np.ones((9,9),np.uint8)
erosion = cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel) cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

(这是与9*9的核做差得到的,5*5的核得到的几乎全黑)

7.黑帽

  当然是进行闭运算后得到的图像与原图像的差。

  # -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('7.png',0)
kernel = np.ones((9,9),np.uint8)
erosion = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)

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

P.S  在OpenCV中还提供了一个函数cv2.getStructuringElement()。这个函数可以供你设计出其他形状的核

书上给的例子如下:

  

OpenCV学习笔记(9)——形态学转换的更多相关文章

  1. OpenCV学习笔记(5)——颜色空间转换

    学习如歌对图像进行颜色空间转换,从BGR到灰度图,或者从BGR到HSV等 创建一个程序用来从一幅图像中获取某个特定颜色的物体 1.转换颜色空间 OpenCV中有超过150种进行颜色空间转化的方法,但是 ...

  2. OpenCV学习笔记3

    OpenCV学习笔记3 图像平滑(低通滤波) 使用低通滤波器可以达到图像模糊的目的.这对与去除噪音很有帮助.其实就是去除图像中的高频成分(比如:噪音,边界).所以边界也会被模糊一点.(当然,也有一些模 ...

  3. opencv学习笔记(七)SVM+HOG

    opencv学习笔记(七)SVM+HOG 一.简介 方向梯度直方图(Histogram of Oriented Gradient,HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子 ...

  4. opencv学习笔记(六)直方图比较图片相似度

    opencv学习笔记(六)直方图比较图片相似度 opencv提供了API来比较图片的相似程度,使我们很简单的就能对2个图片进行比较,这就是直方图的比较,直方图英文是histogram, 原理就是就是将 ...

  5. opencv学习笔记(三)基本数据类型

    opencv学习笔记(三)基本数据类型 类:DataType 将C++数据类型转换为对应的opencv数据类型 OpenCV原始数据类型的特征模版.OpenCV的原始数据类型包括unsigned ch ...

  6. opencv学习笔记(一)IplImage, CvMat, Mat 的关系

    opencv学习笔记(一)IplImage, CvMat, Mat 的关系 opencv中常见的与图像操作有关的数据容器有Mat,cvMat和IplImage,这三种类型都可以代表和显示图像,但是,M ...

  7. OpenCV 学习笔记03 boundingRect、minAreaRect、minEnclosingCircle、boxPoints、int0、circle、rectangle函数的用法

    函数中的代码是部分代码,详细代码在最后 1 cv2.boundingRect 作用:矩形边框(boundingRect),用于计算图像一系列点的外部矩形边界. cv2.boundingRect(arr ...

  8. OpenCV 学习笔记03 边界框、最小矩形区域和最小闭圆的轮廓

    本节代码使用的opencv-python 4.0.1,numpy 1.15.4 + mkl 使用图片为 Mjolnir_Round_Car_Magnet_300x300.jpg 代码如下: impor ...

  9. OpenCV 学习笔记 02 使用opencv处理图像

    1 不同色彩空间的转换 opencv 中有数百种关于不同色彩空间的转换方法,但常用的有三种色彩空间:灰度.BRG.HSV(Hue-Saturation-Value) 灰度 - 灰度色彩空间是通过去除彩 ...

随机推荐

  1. python cv2截取不规则区域图片

    知识掌握 cv2.threshold()函数: 设置固定级别的阈值应用于多通道矩阵,将灰度图像变换二值图像,或去除指定级别的噪声,或过滤掉过小或者过大的像素点. Python: cv2.thresho ...

  2. 正确的安装和使用nvm(mac)<转>

    前言 目前主流的node版本管理工具有两种,nvm和n.两者差异挺大的,具体分析可以参考一下淘宝FED团队的一篇文章: 管理 node 版本,选择 nvm 还是 n? 总的来说,nvm有点类似于 Py ...

  3. IE浏览器清除缓存及历史浏览数据

    IE浏览器清除缓存方法如下: 打开IE浏览器,依次点击"工具-Internet选项-常规-删除",如下图所示, 有的时候发现你明明已经执行了删除,但是实际上还是有缓存数据,一般是因 ...

  4. centos 7 搭建 LNMP ( Linux+Nginx+MySQL+PHP )

    操作系统 | CentOS Linux release 7.6.1810 (Core) [root@localhost ~# cat /etc/redhat-release CentOS Linux ...

  5. numpy中与高等数学有关的函数

    1.方阵的迹 方阵的迹就是方阵的主对角线元素之和 # -*- coding:utf-8 -*- # @Author: WanMingZhu # @Date: 2019/8/12 9:37 import ...

  6. vim编辑器学习

    vim是一个非常强大的编辑器,看了很多文章能感受到它的强大,不过还需要不断地学习和使用来慢慢感受. 安装vim 在ubuntu 系统中使用 sudo apt-get install vim-gtk 安 ...

  7. java8学习之比较器详解与类型推断特例

    比较器详解: 这次来对比较器进行一个学习,比较器(Comparator)这个是在JDK1.2就提出的概念,只是说JAVA8针对它进行了一定的扩充,更加方便咱们使用,其中唯一的抽象方法如下: 而JAVA ...

  8. jvm中的新生代Eden和survivor区

    1.为什么会有年轻代 我们先来屡屡,为什么需要把堆分代?不分代不能完成他所做的事情么?其实不分代完全可以,分代的唯一理由就是优化GC性能.你先想想,如果没有分代,那我们所有的对象都在一块,GC的时候我 ...

  9. yaml格式介绍

    一.简介 YAML 语言(发音 /ˈjæməl/ )的设计目标,就是方便人类读写.它实质上是一种通用的数据串行化格式. 它的基本语法规则如下. 大小写敏感 使用缩进表示层级关系 缩进时不允许使用Tab ...

  10. Android Studio 中出现APK error

    可能有很多人在用Android Studio编写程序时,时不时的会出现一个APK error的错误,反正我自从开始用Android Studio后,这个错误真的是时不时的蹦跶出来 最开始的时候,我是去 ...