OpenCV(图像处理)-基于Python-形态学处理-开运算、闭运算、顶帽、黑帽运算

简介: 1. 形态学OpenCV形态学是一种基于OpenCV库的数字图像处理技术,主要用于处理图像的形状、结构和空间关系。它包括一系列图像处理工具和算法,包括膨胀、腐蚀、开运算、闭运算、形态学梯度、顶帽、黑帽等。

1. 形态学

OpenCV形态学是一种基于OpenCV库的数字图像处理技术,主要用于处理图像的形状、结构和空间关系。它包括一系列图像处理工具和算法,包括膨胀、腐蚀、开运算、闭运算、形态学梯度、顶帽、黑帽等。


通过对图像进行形态学操作可以实现一些重要的图像处理任务,比如去除噪声、分离图像中的对象、填充图像中的空洞、改变图像的形状、寻找图像中的轮廓等等。在OpenCV中,形态学操作通常采用二值图像进行处理,它可以通过C++或Python编程实现具体的形态学算法


2. 常用接口

在对图片进行相关操作之前,我们首先要先将彩色图片转变为灰度图像,方便图像的二值化。

2.1 cvtColor()

转换颜色通道的API

dst = cv2.cvtColor( img , cv2.COLOR_BGR2GRAY)

第二个参数为BGR图像转到灰度图像。


2.2 图像二值化

threshod()

该API能将灰度图像按照设定的阈值,将图像二值化。


ret ,dst = cv2.threshod( img, thresh, maxVal, type)

img:图像,最好是灰度图。

thresh:阈值(低于阈值为0,高于阈值的部分为maxVal)

maxVal:超过阈值的替换成maxVal

返回值有两个,第一个是使用的阈值,第二个是输出后的图像


type:


CV2.THRESH_BINARY

CV2.THRESH_BINARY_INV

CV2.THRESH_TRUNC

CV2.THRESH_TOZERO

CV2.THRESH_TOZERO_INV


4092c7e3a9ed4a13987d22c7c40b8793.png

上图显示了不同参数下,二值化的不同图像,第一个图为原始图像,后面的为不同的规则。

下列示例将一个灰度图分别以阈值100,180进行二值化。

import cv2
import numpy as np
img = cv2.imread('./image/lena_small.png')
# 将图片转换为灰度图
img1 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 将阈值设为100,180
ret, img2 = cv2.threshold(img1, 100, 255, cv2.THRESH_BINARY)
ret1, img3 = cv2.threshold(img1, 180, 255, cv2.THRESH_BINARY)
cv2.imshow('orgin_img', img1)
cv2.imshow('img_100', img2)
cv2.imshow('img_180', img3)
cv2.waitKey(0)

2207dac79c6446408e93a7678f760396.png

自适应阈值二值化

有时候由于光照不均匀以及阴影的存在,有可能导致阴影部分的白色会被二值化为黑色,因此只有一个阈值的缺陷就暴露了出来。


dea1d1a002a64913a64272cda050e390.png

用全局二值化,将阈值设置为180时,由于阴影的存在,会将阴影部分黑化,导致显示不完全。因次提出了自适应二值化的方法。


adaptiveThreshod()

dst = cv2.adaptiveThreshod(img, maxVal, adaptiveMethod, Type, blockSize, C)

img:需要二值化的图像(最好是灰度图

maxVal:超过阈值的像素设置成maxVal

adaptiveMethod:见下图

Type:为全局二值化的Type

blockSize:临近区域的大小,填奇数

C:常量,从计算的平均值或加权平均值中减去,一般为0

2d0cffac64344e78820347d35881fad9.png

2.3 腐蚀与膨胀

腐蚀就是将一个图片关键部分“缩小“,膨胀将一个图形的关键部分放大。卷积核通常为全1的奇数矩阵。



df0b532c220d4b5aa65532786232d389.png

b2036d0a9e1a44f4b591faaa4a912668.png

erode()

原始图像中的一个像素无论是1还是0,只有当内核中的所用像素都是1时,结果才是1,否则结果就是0

dst = cv2.erode(img, kenel, iterations = 1)

img:要腐蚀的图像

kenel:卷积核,全1的矩阵

iterations:执行次数,默认为1次


51e3ca2a573041a187aa8312a05bf005.png

getStructuringElement()

便捷API,帮助我们获得指定大小的卷积核

kernel = cv2.getStructuringElement(type, Size)

Type:MORPH_RECT(矩形);MORPH_ELLIPSE(椭圆形部分为1);MORPH_CROSS(十字架部分为1)

Size:(3, 3);(5, 5)…

import cv2
import numpy as np
img = cv2.imread('./image/j.png')
# 自己创建5*5的卷积核
# kernel = np.ones((5, 5), np.uint8)
# 获得卷积核
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
dst = cv2.erode(img, kernel)
cv2.imshow('orgin_img', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)

33ae2f92d41e4d579f2d60ff157b5f4b.png

dilate()

只要锚点非0,那么结果非0,卷积核越大,膨胀越大

dst = cv2.dilate(img, kernel, iterations = 1)

img:要膨胀的图像

kenel:卷积核,全1的矩阵

iterations:执行次数,默认为1次

import cv2
import numpy as np
img = cv2.imread('./image/j.png')
# 自己创建5*5的卷积核
# kernel = np.ones((5, 5), np.uint8)
# 获得卷积核
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
# # 腐蚀
# dst = cv2.erode(img, kernel)
# 膨胀
dst = cv2.dilate(img, kernel)
cv2.imshow('orgin_img', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)

74ec8aff8c7a4ef2ae6b6d6422663880.png

2.4开、闭、梯度、顶帽、黑帽运算

开运算:腐蚀+膨胀

闭运算:膨胀+腐蚀

梯度:原图-腐蚀

顶帽:原图-开运算

黑帽:原图-闭运算


morphologyEx()

dst = cv2.morphologyEx(img, Type, kernel)

img:进行操作的原图

kernel:噪点大,用大核


Type:


MORPH_OPEN/MORPH_CLOSE(开闭运算)

MORPH_GRADIENT(梯度运算)

MORPH_TOPHAT/MORPH_BLACKHAT(顶黑帽)

开运算:去除文字外的小噪点

297364e4863d487183548f0b7b86cd2c.png

闭运算:去除文字内的小噪点

f2f9032362f54336b3b2214486935ac7.png

梯度运算:获得文字的轮廓


25c1b737ae364a1b81ecb88e713f8078.png

顶帽:得到大图像外的小图形

image.png

黑帽:得到大图形内的小图形

fa63c54acfa046f98b487ecbb8514f20.png

以上就是形态学相关API的使用。


目录
相关文章
|
14天前
|
人工智能 Linux API
OpenCV这么简单为啥不学——1.1、图像处理(灰度图、模糊图片、GaussianBlur函数、提取边缘、边缘膨胀、边缘细化)
OpenCV这么简单为啥不学——1.1、图像处理(灰度图、模糊图片、GaussianBlur函数、提取边缘、边缘膨胀、边缘细化)
25 0
|
20天前
|
算法 计算机视觉 开发者
如何在Python中使用OpenCV实现人脸识别
人脸识别技术在当今社会得到了广泛的应用,如何在Python中使用OpenCV实现人脸识别成为了很多开发者关注的话题。本文将介绍如何使用OpenCV库进行人脸检测和人脸识别,并提供完整的代码示例。
|
21天前
|
索引 Python C++
C/C++每日一练(20230416) 数列第n项、整数转英文、数组最大值及索引
C/C++每日一练(20230416) 数列第n项、整数转英文、数组最大值及索引
22 0
C/C++每日一练(20230416) 数列第n项、整数转英文、数组最大值及索引
|
21天前
|
Python Java Go
Python每日一练(20230415) 路径总和、两数相除、不同的二叉搜索树II
Python每日一练(20230415) 路径总和、两数相除、不同的二叉搜索树II
20 0
Python每日一练(20230415) 路径总和、两数相除、不同的二叉搜索树II
|
22天前
|
Python
Python 教程之 Pandas(12)—— series 的二元运算
Python 教程之 Pandas(12)—— series 的二元运算
8 0
Python 教程之 Pandas(12)—— series 的二元运算
|
27天前
|
机器学习/深度学习 算法 算法框架/工具
Python 图像处理实用指南:11~12
Python 图像处理实用指南:11~12
46 0
|
27天前
|
机器学习/深度学习 算法 数据挖掘
Python 图像处理实用指南:6~10
Python 图像处理实用指南:6~10
22 0
|
27天前
|
存储 机器学习/深度学习 算法
Python 图像处理实用指南:1~5
Python 图像处理实用指南:1~5
21 0
|
27天前
|
机器学习/深度学习 存储 算法
Python OpenCV 蓝图:6~7
Python OpenCV 蓝图:6~7
15 0
|
27天前
|
传感器 存储 算法
Python OpenCV 蓝图:1~5
Python OpenCV 蓝图:1~5
19 0

相关产品

  • 云迁移中心