OpenCV - 形态学转换（Python实现）
发布时间
阅读量：
阅读量
结构化元素
使用 Numpy 构建结构化元素，它是正方形的。但有时我们需要构建一个椭圆形/圆形的核。为了实现这种要求，提供了 OpenCV函数 cv2.getStructuringElement()。
cv2.getStructuringElement( )
第一个参数表示内核的形状，有三种形状可以选择。
矩形：MORPH_RECT;
交叉形：MORPH_CROSS;
椭圆形：MORPH_ELLIPSE;
第二个参数表示内核的尺寸。
第三个参数表示锚点的位置，有默认值Point（-1,-1），表示锚点位于中心点。
一. 腐蚀
根据卷积核的大小靠近前景的所有像素都会被腐蚀掉（变为 0），所以前景物体会变小，整幅图像的白色区域会减少。这对于去除白噪声很有用，也可以用来断开两个连在一块的物体等。
cv2.erode(img,kernel,iterations)
| 参数 | 释义 |
|---|---|
| src | 参数表示待处理的输入图像 |
| kernel | 指腐蚀操作的内核，默认是一个简单的3X3矩阵 |
| iterations | 指的是腐蚀次数，省略是默认为1 |
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('image.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
二. 膨胀
与腐蚀相反，与卷积核对应的原图像的像素值中只要有一个是 1，中心元素的像素值就是 1。所以这个操作会增加图像中的白色区域（前景）.
dilation = cv2.dilate(img,kernel,iterations = 1)
三. 开运算
先进性腐蚀再进行膨胀就叫做开运算。就像我们上面介绍的那样，它被用来去除噪声。这里我们用到的函数是 cv2.morphologyEx()。
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
四. 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。
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
五. 形态学梯度
其实就是一幅图像膨胀与腐蚀的差别
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
六. 礼帽
原始图像与进行开运算之后得到的图像的差。
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
七. 黑帽
进行闭运算之后得到的图像与原始图像的差。
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
八. 形态学操作之间的关系
全部评论 (0)
还没有任何评论哟~