【盘算机视觉（9）】

形态学操纵

形态学操纵是数字图像处理中的一种方法，用于改变和提取图像中的结构和形状信息。它基于图像的形状和大小特征，通过对图像举行特定的数学运算和变换来实现对图像的分割、腐蚀、膨胀、细化等操纵。
腐蚀

腐蚀操纵是通过将图像中所有的像素点与结构元素举行逻辑“与”运算，来减小图像中边缘和细节的尺寸。具体而言，对于图像中的每个像素点，如果其邻域内的像素点都是前景（白色），则该像素点保持不变；如果邻域内有任何一个像素点是背景（玄色），则该像素点变为背景。腐蚀操纵可以实现图像的缩小、断开连通地区以及去除微小的噪点等效果。
image = cv2.erode(src, kernel, iterations)
参数：
src：原始图像。
kernel：腐蚀使用的核。 相称于一个小地区，在图像上移动，举行腐蚀。
iterations：可选参数，腐蚀操纵的迭代次数，默认值为1。
膨胀

膨胀操纵是通过将图像中所有的像素点与结构元素举行逻辑“或”运算，来增加图像中边缘和细节的尺寸。具体而言，对于图像中的每个像素点，如果其邻域内的任何一个像素点是前景（白色），则该像素点保持不变；如果邻域内所有像素点都是背景（玄色），则该像素点变为前景。膨胀操纵可以实现图像的放大、闭合连通地区以及填充微小的空洞等效果。
image = cv2.dilate(src, kernel, iterations)
参数：
src：原始图像。
kernel：膨胀使用的核。
iterations：可选参数，腐蚀操纵的迭代次数，默认值为1。
开运算

开运算是先举行腐蚀操纵，再举行膨胀操纵的组合操纵。开运算可以用于去除图像中的噪点和微小的干扰物，同时保持图像的团体形状和表面特征。
闭运算

闭运算是先举行膨胀操纵，再举行腐蚀操纵的组合操纵。闭运算可以用于填充图像中的空洞和连接微小的断开地区，同时保持图像的团体形状和表面特征。
梯度运算

梯度运算（Gradient Operation）是图像处理中的一种常用操纵，用于检测图像中的边缘。梯度是指图像中像素值变化的快慢程度。在梯度运算中，通常使用Sobel、Prewitt或Laplacian等算子来盘算图像中每个像素点的梯度值。
顶帽

顶帽（Top Hat）操纵是一种形态学操纵，用于突出图像中比四周背景亮的小地区。顶帽操纵基于原始图像和经过开操纵（Opening Operation）后得到的图像，通过求差运算来突出亮的小地区。
黑帽

黑帽（Black Hat）操纵是一种形态学操纵，用于突出图像中比四周背景暗的小地区。黑帽操纵基于原始图像和经过闭操纵（Closing Operation）后得到的图像，通过求差运算来突出暗的小地区。
开运算、闭运算、梯度运算、礼帽和黑帽形态学操纵均使用morphologyEx()函数：
image = cv2.morphologyEx(src, op, kernel)
参数：
src：输入图像，通常为二值图像。
op：形态学操纵的范例，可以是以下之一：
cv2.MORPH_ERODE：腐蚀。
cv2.MORPH_DILATE：膨胀。
cv2.MORPH_OPEN：开运算（先腐蚀后膨胀）。
cv2.MORPH_CLOSE：闭运算（先膨胀后腐蚀）。
cv2.MORPH_GRADIENT：形态学梯度（膨胀图像与腐蚀图像之差）。
cv2.MORPH_TOPHAT：顶帽（原始图像与开运算效果之差）。
cv2.MORPH_BLACKHAT：黑帽（闭运算效果与原始图像之差）。
kernel：结构元素或核，它决定了形态学操纵的性质。通常，这是一个小的矩形、椭圆形或十字形矩阵。
形态学操纵代码实现以及效果图

腐蚀操纵代码如下：

1. import cv2                       #导入OpenCV模块   
2. import matplotlib.pyplot as plt # 导入matplotlib库   
3. import numpy as np  
4.   
5. image = cv2.imread("img/core.jpg") # 导入图片   
6.   
7. kernel = np.ones((3, 3), np.uint8) # 指定核的大小为 3*3的值为1的矩阵  
8. ession_1 = cv2.erode(image, kernel, iterations = 1) # 腐蚀一次  
9. ession_2 = cv2.erode(image, kernel, iterations = 2) # 腐蚀两次  
10. ession_3 = cv2.erode(image, kernel, iterations = 3) # 腐蚀三次  
11.   
12. titles = ["original", "iterations1", "iterations2", "iterations3"]  
13. images = [image, ession_1, ession_2, ession_3]  
14.   
15. for i in range(4):  
16.     plt.subplot(2, 2, i + 1), plt.imshow(images[i], "gray")  
17.     plt.title(titles[i])  
18. plt.show()  

复制代码

代码实现效果如下：

膨胀操纵代码如下：

1. import cv2                       #导入OpenCV模块   
2. import matplotlib.pyplot as plt # 导入matplotlib库   
3. import numpy as np  
4.   
5. image = cv2.imread("img/core.jpg") # 导入图片   
6.   
7. kernel = np.ones((3, 3), np.uint8) # 指定核的大小为 3*3的值为1的矩阵  
8. dilate_1 = cv2.dilate(image, kernel, iterations = 1) # 膨胀一次  
9. dilate_2 = cv2.dilate(image, kernel, iterations = 2) # 膨胀两次  
10. dilate_3 = cv2.dilate(image, kernel, iterations = 3) # 膨胀三次  
11.   
12. titles = ["original", "iterations1", "iterations2", "iterations3"]  
13. images = [image, dilate_1, dilate_2, dilate_3]  
14.   
15. for i in range(4):  
16.     plt.subplot(2, 2, i + 1), plt.imshow(images[i], "gray")  
17.     plt.title(titles[i])  
18. plt.show()

复制代码

代码实现效果如下：

开运算，闭运算，梯度运算，顶帽，黑帽操纵代码如下：

1. import cv2                       #导入OpenCV模块   
2. import matplotlib.pyplot as plt # 导入matplotlib库   
3. import numpy as np  
4.   
5. image = cv2.imread("img/core.jpg") # 导入图片   
6.   
7. kernel = np.ones((5, 5), np.uint8) # 指定核的大小为 5*5的值为1的矩阵  
8. img_open = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)  # 开运算  
9. img_close = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)  # 闭运算  
10. img_gradient = cv2.morphologyEx(image, cv2.MORPH_GRADIENT, kernel)  # 梯度运算  
11. img_tophat = cv2.morphologyEx(image, cv2.MORPH_TOPHAT, kernel)  # 顶帽  
12. img_blackhat = cv2.morphologyEx(image, cv2.MORPH_BLACKHAT, kernel)  # 黑帽  
14. titles = ["original", "OPEN", "CLOSE", "GRADIENT", "TOPHAT", "BLACKHAT"]  
15. images = [image, img_open, img_close, img_gradient, img_tophat, img_blackhat]  
16.   
17. for i in range(6):  
18.     plt.subplot(2, 3, i + 1), plt.imshow(images[i], "gray")  
19.     plt.title(titles[i])  
20. plt.show()

复制代码

代码实现效果如下：

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。