Python+OpenCV之形态学的操作方法是什么

百变鹏仔 2周前 (01-21) #Python

文章标签形态学

一、腐蚀与膨胀

1.1 腐蚀操作

import cv2import numpy as npimg = cv2.imread('DataPreprocessing/img/dige.png')cv2.imshow("img", img)cv2.waitKey(0)cv2.destroyAllWindows()

dige.png原图1展示(注: 没有原图的可以截图下来保存本地。

腐蚀1轮次之后~ (iterations = 1)

kernel = np.ones((3, 3), np.uint8)erosion = cv2.erode(img, kernel, iterations=1)cv2.imshow('erosion', erosion)cv2.waitKey(0)cv2.destroyAllWindows()

腐蚀结果展示图2：

立即学习“Python免费学习笔记（深入）”；

腐蚀圆多次的效果，以及腐蚀原理

pie = cv2.imread('DataPreprocessing/img/pie.png')cv2.imshow('pie', pie)cv2.waitKey(0)cv2.destroyAllWindows()

pie.png原图3:

腐蚀原理, 其中滤波器的大小越大腐蚀的程度越大图4:

kernel = np.ones((30, 30), np.uint8)erosion_1 = cv2.erode(pie, kernel, iterations=1)erosion_2 = cv2.erode(pie, kernel, iterations=2)erosion_3 = cv2.erode(pie, kernel, iterations=3)res = np.hstack((erosion_1, erosion_2, erosion_3))cv2.imshow('res', res)cv2.waitKey(0)cv2.destroyAllWindows()

圆腐蚀三次结果展示图5:

1.2 膨胀操作

kernel = np.ones((3, 3), np.uint8)dige_dilate = erosiondige_dilate = cv2.dilate(erosion, kernel, iterations=1)cv2.imshow('dilate', dige_dilate)cv2.waitKey(0)cv2.destroyAllWindows()

膨胀之前图2,发现线条变粗，跟原图对比的线条相差无几，但是没了那些长须装的噪音，图6:

膨胀圆多次的效果，以及膨胀原理与腐蚀相反，有白色点的滤波器则滤波器内数据全变为白色。

pie = cv2.imread('DataPreprocessing/img/pie.png')kernel = np.ones((30, 30), np.uint8)dilate_1 = cv2.dilate(pie, kernel, iterations=1)dilate_2 = cv2.dilate(pie, kernel, iterations=2)dilate_3 = cv2.dilate(pie, kernel, iterations=3)res = np.hstack((dilate_1, dilate_2, dilate_3))cv2.imshow('res', res)cv2.waitKey(0)cv2.destroyAllWindows()

膨胀圆3次的结果展示,图7:

二、开运算与闭运算

2.1 开运算

# 开：先腐蚀，再膨胀img = cv2.imread('DataPreprocessing/img/dige.png')kernel = np.ones((5, 5), np.uint8)opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)cv2.imshow('opening', opening)cv2.waitKey(0)cv2.destroyAllWindows()

将原图1，先腐蚀，再膨胀，得到开运算结果图8:

2.2 闭运算

# 闭：先膨胀，再腐蚀img = cv2.imread('DataPreprocessing/img/dige.png')kernel = np.ones((5, 5), np.uint8)closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)cv2.imshow('closing', closing)cv2.waitKey(0)cv2.destroyAllWindows()

将原图1，先膨胀，再腐蚀，得到开运算结果图9:

三、梯度运算

拿原图3的圆，做5次膨胀，5次腐蚀，相减得到其轮廓。

# 梯度=膨胀-腐蚀pie = cv2.imread('DataPreprocessing/img/pie.png')kernel = np.ones((7, 7), np.uint8)dilate = cv2.dilate(pie, kernel, iterations=5)erosion = cv2.erode(pie, kernel, iterations=5)res = np.hstack((dilate, erosion))cv2.imshow('res', res)cv2.waitKey(0)cv2.destroyAllWindows()gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel)cv2.imshow('gradient', gradient)cv2.waitKey(0)cv2.destroyAllWindows()

得到梯度运算结果图10:

四、礼帽与黑帽

4.1 礼帽

礼帽 = 原始输入-开运算结果

# 礼帽img = cv2.imread('DataPreprocessing/img/dige.png')tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)cv2.imshow('tophat', tophat)cv2.waitKey(0)cv2.destroyAllWindows()

得到礼帽结果图11:

4.2 黑帽

黑帽 = 闭运算-原始输入

# 黑帽img = cv2.imread('DataPreprocessing/img/dige.png')blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)cv2.imshow('blackhat ', blackhat)cv2.waitKey(0)cv2.destroyAllWindows()

得到礼帽结果图12:

文章推荐

Python+OpenCV之形态学的操作方法是什么

一、 腐蚀与膨胀

1.1 腐蚀操作

1.2 膨胀操作

二、 开运算与闭运算

2.1 开运算

2.2 闭运算

三、梯度运算

四、礼帽与黑帽

4.1 礼帽

4.2 黑帽

使用Python生成sitemap的详细介绍

Python之property()装饰器的使用详解

Python中base64加密解密操作方法及版本间差异

解析Python新型字符串格式漏洞及解决方案

python教程之select模块介绍

一、腐蚀与膨胀

二、开运算与闭运算