主頁 > 知識庫 > OpenCV-Python實現(xiàn)腐蝕與膨脹的實例

OpenCV-Python實現(xiàn)腐蝕與膨脹的實例

熱門標簽:聊城語音外呼系統(tǒng) 海外網(wǎng)吧地圖標注注冊 騰訊地圖標注沒法顯示 地圖標注自己和別人標注區(qū)別 打電話機器人營銷 ai電銷機器人的優(yōu)勢 孝感營銷電話機器人效果怎么樣 南陽打電話機器人 商家地圖標注海報

什么是形態(tài)學

要了解腐蝕之前,我們需要了解一個概念:形態(tài)學。

形態(tài)學,又名數(shù)學形態(tài)學(Mathematical Morphology),是圖像處理過程中一個非常重要的研究方向。形態(tài)學主要從圖像內提取分量信息,該分量信息通常對于表達和描繪圖像的形狀具有重要的意義,通常是圖像理解時所使用的最本質的形狀特征。

例如,在識別手寫數(shù)字時,能夠通過形態(tài)學運算得到其骨架信息,在具體的識別時,僅針對其骨架進行運算即可。形態(tài)學處理在視覺檢測,文字識別,醫(yī)學圖像處理,圖像壓縮編碼等領域都有非常重要的應用。

形態(tài)學操作主要包含:腐蝕,膨脹,開運算,閉運算,形態(tài)學梯度運算,頂帽運算,黑帽運算等操作。腐蝕操作與膨脹操作是形態(tài)學的運算基礎,將腐蝕與膨脹結合,就可以實現(xiàn)開運算,閉運算,形態(tài)學梯度等不同形式的運算。

所以本篇博文將重點講解腐蝕與膨脹。

腐蝕

腐蝕是最基本的形態(tài)學操作之一,它能夠將圖像的邊界點消除,使圖像沿著邊界向內收縮,也可以將小于指定結構體元素的部分去除。腐蝕主要用來“收縮”或者“細化”二值圖像中的前景,借此實現(xiàn)去噪聲,元素分割等功能。

在腐蝕的過程中,通常使用一個結構元來逐個像素地掃描要被腐蝕的圖像,并根據(jù)結構元和被腐蝕的圖像的關系來確定腐蝕結果。

首先,我們來看一張腐蝕處理圖:


(1)表示要被腐蝕的圖像

(2)結構元

(3)橙色數(shù)字是結構元在遍歷圖像時,結構元完全位于前景對象內部時的3個全部可能的位置;此時,結構元分別位于img[2,1],img[2,2],img[2,3]處。

(4)腐蝕結果result,即在結構元完全位于前景圖像中時,將其中心點所對應的result中的像素點的值置為1;當結構元不完全位于前景圖像中時,將其中心點對應的result中的像素點置為0。(按位與)

在OpenCV中,使用函數(shù)cv2.erode()實現(xiàn)腐蝕操作,其完整定義如下:

def erode(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None):

src:原始圖像

kernel:結構元,可以自定義,也可以通過函數(shù)cv2.getStructuringElement()生成

iterations:腐蝕操作迭代的次數(shù),默認為1,即只進行一次操作

至于其他參數(shù)以及取值,前面博文都有介紹,這里不在贅述。

下面,我們使用該函數(shù)來測試一下腐蝕的操作:

import cv2
import numpy as np

img = cv2.imread("8.jpg",cv2.IMREAD_UNCHANGED)
kernel = np.ones((9,9), np.float32)
result = cv2.erode(img,kernel)
cv2.imshow("img", img)
cv2.imshow("result", result)
cv2.waitKey()
cv2.destroyAllWindows()

運行之后,我們得到的效果對比圖如下:


可以看到,腐蝕操作將原始圖像內的毛刺給腐蝕掉了,如果想腐蝕的更嚴重,可以設置iterations參數(shù)的值。

膨脹

膨脹與腐蝕正好相反,膨脹能對圖像的邊界進行擴張。膨脹操作將與當前的對象(前景)接觸到的背景點合并到當前對象內,從而實現(xiàn)將圖像邊界點向外擴張。如果圖像內的兩個對象距離較近,可能在膨脹后連接到一起。

膨脹操作對填補圖像分割后圖像內所存在的空白相當有幫助。同樣的,膨脹也需要一個結構元進行操作。下面,我們還是用矩陣來講解膨脹的原理。


(1)待膨脹的原圖

(2)結構元

(3)橙色部分是結構元遍歷原圖時,結構元中心像素點位于[1,1],img[3,3]時,與前景色存在重合像素點的兩種情況,實際上共有9個這樣的與前景對象重合的可能位置。結構元中心分別位于img[1,1],img[1,2],img[1,3],img[2,1],img[2,2],img[2,3],img[3,1],img[3,2],img[3,3]。

(4)膨脹后的結果圖像result,在結構元內,當任意一個像素點與前景對象重合時,其中心點所對應的膨脹結果圖像內的像素點的值為1;當結構元與前景對象完全無重合時,其中心點對應的膨脹結果圖像內像素點的值為0。(按位或)

在OpenCV中,它給我們提供cv2.dilate()實現(xiàn)對圖像的膨脹操作。其完整定義如下:

def dilate(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None): 

src:原始圖像

kernel:結構元

其他參數(shù)與前文一致,不在贅述。下面,我們使用該函數(shù)測試膨脹的效果,具體代碼如下所示:

import cv2
import numpy as np

img = cv2.imread("8.jpg",cv2.IMREAD_UNCHANGED)
kernel = np.ones((9,9), np.float32)
result = cv2.dilate(img,kernel)
cv2.imshow("img", img)
cv2.imshow("result", result)
cv2.waitKey()
cv2.destroyAllWindows()

運行之后,效果如下所示:


可以看到,圖像的頭像膨脹之后與身體連接到了一起,同時旁邊的線條也被加粗。如果想膨脹的更嚴重,可以修改iterations參數(shù)的值。

到此這篇關于OpenCV-Python實現(xiàn)腐蝕與膨脹的實例的文章就介紹到這了,更多相關OpenCV 腐蝕與膨脹內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!

您可能感興趣的文章:
  • OpenCV+python實現(xiàn)膨脹和腐蝕的示例
  • opencv 圖像腐蝕和圖像膨脹的實現(xiàn)

標簽:六盤水 楊凌 撫州 迪慶 南寧 牡丹江 聊城 揚州

巨人網(wǎng)絡通訊聲明:本文標題《OpenCV-Python實現(xiàn)腐蝕與膨脹的實例》,本文關鍵詞  OpenCV-Python,實現(xiàn),腐蝕,與,;如發(fā)現(xiàn)本文內容存在版權問題,煩請?zhí)峁┫嚓P信息告之我們,我們將及時溝通與處理。本站內容系統(tǒng)采集于網(wǎng)絡,涉及言論、版權與本站無關。
  • 相關文章
  • 下面列出與本文章《OpenCV-Python實現(xiàn)腐蝕與膨脹的實例》相關的同類信息!
  • 本頁收集關于OpenCV-Python實現(xiàn)腐蝕與膨脹的實例的相關信息資訊供網(wǎng)民參考!
  • 推薦文章