深度学习-OpenCv的运用（4）

一、图像形态学

图像形态学是数学中研究形状、结构和变换的一个分支，在图像处置惩罚领域，它主要用于形貌和分析图像中的形状和结构。图像形态学通过操纵图像中的形状和结构元素（也称为内核或模板），来实现图像的分析、增强、去噪和特征提取等目的。这一领域为计算机视觉、图像辨认和医学图像处置惩罚等领域提供了强大的工具和方法。
二、图像形态学的根本概念

• 结构元素（Structuring Element）：结构元素是形态学操纵的根本组成部分，它界说了形态学操纵的形状和大小。通常是一个小的矩形、圆形或其他形状的核。在腐蚀和膨胀等操纵中，结构元素在图像上滑动并与图像进行匹配，用来确定操纵的范围。
  
• 腐蚀（Erosion）：腐蚀是一种形态学操纵，它通过结构元素对图像进行局部最小值滤波，使图像中界限部分逐渐缩小。腐蚀操纵可以用于去除图像中的噪声、分割物体等。
  
• 膨胀（Dilation）：膨胀是一种形态学操纵，它通过结构元素对图像进行局部最大值滤波，使图像中的界限部分逐渐扩张。膨胀操纵可以用于添补图像中的空洞、连接物体等。
  

三、形态学操纵的主要类型

• 腐蚀（Erosion）：
  
  
  
  • 原理：使用结构元素在图像上滑动，只有当结构元素范围内的像素全部满足条件（如全为前景致）时，中心像素才保持不变，否则被置为背景致。
    
  • 应用：消除小型噪声、分离接触对象、细化物体边缘等。
    
  
  
• 膨胀（Dilation）：
  
  
  
  • 原理：使用结构元素在图像上滑动，只要结构元素与图像中的任何一个像素相交，中心像素就被设置为前景致。
    
  • 应用：添补图像中的空洞、连接相邻的对象、消除图像中的小黑点等。
    
  
  
• 开运算（Opening）：
  
  
  
  • 界说：先进行腐蚀操纵，再进行膨胀操纵的组合。
    
  • 应用：消除小型噪声、平滑较大物体的界限而不明显改变其面积。
    
  
  
• 闭运算（Closing）：
  
  
  
  • 界说：先进行膨胀操纵，再进行腐蚀操纵的组合。
    
  • 应用：添补物体间的小空洞、连接邻近的断裂物体等。
    
  
  
• 形态学梯度（Morphological Gradient）：
  
  
  
  • 界说：膨胀图像与腐蚀图像的差别，用于检测图像中的边缘和轮廓。
    
  
  
• 顶帽运算（Top Hat）与底黑帽运算（Black Hat）：
  
  
  
  • 顶帽运算是原始图像与开运算之间的差别，用于提取比原始图像更亮的区域。
    
  • 黑帽运算是闭运算与原始图像之间的差别，用于提取比原始图像更暗的区域。
    
  
  

四、代码实现

1.图像腐蚀

1. import cv2
2. import numpy as np
3. sun = cv2.imread('sun.png')
4. cv2.imshow('a', sun)
5. cv2.waitKey(0)
7. kernel = np.ones((5, 5), np.uint8) #设置kenenel大小
8. erosion_1 = cv2.erode(sun, kernel, iterations=2) #kenenel大小默认为3*3 iterations默认为1
9. cv2.imshow('erosion_1', erosion_1)
10. cv2.waitKey(0)
11. cv2.destroyAllWindows()

复制代码

• 代码表明：设置了结构元素的大小为 5x5，并指定了腐蚀操纵的迭代次数为 2。这意味着腐蚀操纵将连续进行两次，每次都会使用5x5 的结构元素来减少图像中的亮区域。
  
• 体现结果：使用 cv2.imshow 来体现原始图像和腐蚀后的图像。
  
• 关闭窗口：在体现图像后，使用 cv2.waitKey(0)来等待用户按键。在 cv2.waitKey(0) 之后，调用cv2.destroyAllWindows() 来关闭全部 OpenCV 创建的窗口。
  

2.图像膨胀

1. import cv2
2. import numpy as np
3. wenzi = cv2.imread('word.png')
4. cv2.imshow('b', wenzi)
5. cv2.waitKey(0)
7. kernel = np.ones((2, 2), np.uint8)
8. wenzi_new = cv2.dilate(wenzi, kernel, iterations=2)
9. cv2.imshow('wenzi-new', wenzi_new)
10. cv2.waitKey(0)
11. cv2.destroyAllWindows()

复制代码

• 读取并体现文件：使用cv2.imread函数读取名为’word.png’的图像文件，并将其存储在变量wenzi中，体现图像，窗口标题为’b’，图像为wenzi 。
  
• 图像膨胀：创建一个2x2的结构元素，全部元素的值都设为1，这个结构元素将用于图像膨胀操纵 ，使用cv2.dilate函数对wenzi图像进行两次膨胀操纵。
  
• 体现图像：使用cv2.imshow函数体现膨胀后的图像，窗口标题为’wenzi-new’ ，末了关闭窗口。
  

3.开运算-先腐蚀后膨胀

1. import cv2
2. import numpy as np
3. zhiwen = cv2.imread('zhiwen1.png')
4. cv2.imshow('a1',zhiwen)
5. cv2.waitKey(0)
7. kernel = np.ones((2,2),np.uint8)
8. zhiwen_new = cv2.morphologyEx(zhiwen,cv2.MORPH_OPEN,kernel)
9. cv2.imshow('b1',zhiwen_new)
10. cv2.waitKey(0)
11. cv2.destroyAllWindows()

复制代码

• 读取并体现文件：读取名为’zhiwen1.png’的图像文件，并将其存储在变量zhiwen中，使用cv2.imshow函数体现原始图像，窗口标题为’a1’ 。
  
• 开运算操纵：创建一个2x2的结构元素，全部元素的值都设为1，使用cv2.morphologyEx函数对zhiwen图像进行形态学开运算。
  
• 体现图像：使用cv2.imshow函数体现形态学开运算后的图像，窗口标题为’b1’，关闭全部OpenCV创建的窗口 。
  

4.闭运算-先膨胀后腐蚀

1. import cv2
2. import numpy as np
3. zhiwen = cv2.imread('zhiwen2.png')
4. cv2.imshow('a2',zhiwen)
5. cv2.waitKey(0)
6. kernel = np.ones((2,2),np.uint8)
7. zhiwen_new = cv2.morphologyEx(zhiwen,cv2.MORPH_OPEN,kernel)
8. cv2.imshow('b2',zhiwen_new)
9. cv2.waitKey(0)
10. cv2.destroyAllWindows()

复制代码

• 读取图像：使用cv2.imread函数读取名为zhiwen2.png的图像文件，并将其存储在变量zhiwen中。使用cv2.imshow函数体现原始图像。第一个参数是窗口的标题，这里设置为’a2’，第二个参数是要体现的图像，即zhiwen。
  
• 闭运算操纵：创建一个2x2的结构元素（或称为核），全部元素的值都设为1。这个结构元素将用于形态学操纵。使用函数对zhiwen图像进行形态学闭运算。
  
• 体现图像：使用cv2.imshow函数体现形态学开运算后的图像。窗口标题设置为’b2’，关闭全部由OpenCV创建的窗口。
  

5.梯度运算

1. word = cv2.imread('word.png')
2. cv2.imshow('a',word)
3. cv2.waitKey(0)
4. kernel = np.ones((2,2),np.uint8)
5. #膨胀
6. pz_word = cv2.dilate(word,kernel,iterations=2)
7. cv2.imshow('b',pz_word)
8. cv2.waitKey(0)
9. #腐蚀
10. fs_word = cv2.erode(word,kernel,iterations=1)
11. cv2.imshow('c',fs_word)
12. cv2.waitKey(0)
13. # 膨胀-腐蚀
14. word_new = cv2.morphologyEx(word,cv2.MORPH_GRADIENT,kernel)
15. cv2.imshow('d',word_new)
16. cv2.waitKey(0)
17. cv2.destroyAllWindows()

复制代码

• 膨胀操纵（cv2.dilate）会扩大图像中的亮区域（或白色区域），通常用于增强前景物体或连接相邻的亮区域。
  
• 腐蚀操纵（cv2.erode）会缩小图像中的亮区域，通常用于去除小的白噪声或前景物体上的小黑点。
  
• 形态学梯度（cv2.MORPH_GRADIENT）是膨胀后的图像与腐蚀后的图像之间的差别。它通常用于突出体现图像中物体的边缘，因为边缘区域在膨胀和腐蚀操纵中会经历最大的变化。
  
  
  
  

6.顶帽与黑帽

1. sun = cv2.imread('sun.png')
2. cv2.imshow('a', sun)
3. cv2.waitKey(0)
5. kernel = np.ones((2, 2), np.uint8)
6. # 开运算
7. open_sun = cv2.morphologyEx(sun, cv2.MORPH_OPEN, kernel)
8. cv2.imshow('b', open_sun)
9. cv2.waitKey(0)
10. # 顶帽
11. tophat = cv2.morphologyEx(sun, cv2.MORPH_TOPHAT, kernel)
12. cv2.imshow('c', tophat)
13. cv2.waitKey(0)
15. # 闭运算
16. close_sun = cv2.morphologyEx(sun, cv2.MORPH_CLOSE, kernel)
17. cv2.imshow('d', close_sun)
18. cv2.waitKey(0)
19. # 黑帽
20. blackhat = cv2.morphologyEx(sun, cv2.MORPH_BLACKHAT, kernel)
21. cv2.imshow('e', blackhat)
22. cv2.waitKey(0)
23. cv2.destroyAllWindows()

复制代码

• 读取并体现图像：使用cv2.imread函数读取名为sun.png的图像文件，并将其存储在变量sun中。使用cv2.imshow函数在窗口中体现原始图像，窗口标题为’a’。
  
• 界说结构元素：创建一个2x2的结构元素（或称为核），全部元素的值都设为1，数据类型为np.uint8。这个结构元素将用于后续的形态学变换。
  
• 开运算：使用cv2.morphologyEx函数对图像进行开运算。开运算是先腐蚀后膨胀的过程，用于去除小的前景物体或噪声，同时保持前景物体的总体位置和形状不变。结果存储在open_sun中。使用cv2.imshow函数体现开运算后的图像，窗口标题为’b’。
  
• 顶帽变换：使用cv2.morphologyEx函数对图像进行顶帽变换。顶帽变换是原始图像与开运算结果之间的差别，用于分离比四周亮的区域，通常用于突出体现图像的亮区域或前景物体。结果存储在tophat中。使用cv2.imshow函数体现顶帽变换后的图像，窗口标题为’c’。
  
• 闭运算：使用cv2.morphologyEx函数对图像进行闭运算。闭运算是先膨胀后腐蚀的过程，用于添补前景物体内部的小孔或小黑点，同时保持前景物体的总体位置和形状不变。结果存储在close_sun中。使用cv2.imshow函数体现闭运算后的图像，窗口标题为’d’。
  
• 黑帽变换：使用cv2.morphologyEx函数对图像进行黑帽变换。黑帽变换是闭运算结果与原始图像之间的差别，用于分离比四周暗的区域，通常用于突出体现图像的暗区域或背景。结果存储在blackhat中。使用cv2.imshow函数体现黑帽变换后的图像，窗口标题为’e’。
  
• 关闭全部窗口：使用cv2.destroyAllWindows函数关闭全部由OpenCV创建的窗口。
  

五、总结

图像形态学是数字图像处置惩罚中的一个告急分支，它通过一系列形态学操纵实现对图像形状和结构的分析和处置惩罚。在OpenCV等计算机视觉库中，形态学操纵被广泛应用于图像去噪、边缘检测、特征提取等使命中。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。