OpenCV这么简单为啥不学——1.7、实现OpenCV自带的七种形态学转换操作

简介: OpenCV这么简单为啥不学——1.7、实现OpenCV自带的七种形态学转换操作

OpenCV这么简单为啥不学——1.7、实现OpenCV自带的七种形态学转换操作


前言

计算机视觉市场巨大而且持续增长,且这方面没有标准API,如今的计算机视觉软件大概有以下三种:

1、研究代码(慢,不稳定,独立并与其他库不兼容)

2、耗费很高的商业化工具(比如Halcon, MATLAB+Simulink)

3、依赖硬件的一些特别的解决方案(比如视频监控,制造控制系统,医疗设备)这是如今的现状,而标准的API将简化计算机视觉程序和解决方案的开发,OpenCV致力于成为这样的标准API。

OpenCV致力于真实世界的实时应用,通过优化的C代码的编写对其执行速度带来了可观的提升,并且可以通过购买Intel的IPP高性能多媒体函数库(Integrated Performance Primitives)得到更快的处理速度。

故而我们选择学习OpenCV,我们来一步步的学习OpenCV。


1、erode腐蚀

腐蚀API

腐蚀 erode erosion = cv2.erode(src=girl_pic, kernel=kernel) 对滑窗中的像素点按位乘,再从中取最小值点作为输出。可以去浅色噪点 浅色成分被腐蚀

示例代码:

import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# erode 腐蚀
erosion = cv2.erode(src=girl_pic, kernel=kernel)
cv2.imshow('erosion', erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

实例效果:

2、dilate膨胀

dilate膨胀API

膨胀 dilate dilation = cv2.dilate(src=girl_pic, kernel=kernel) 对滑窗中的像素点按位乘,再从中取最大值点作为输出。可以增加浅色成分 浅色成分得膨胀

实例代码:

import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# dilate 膨胀
dilation = cv2.dilate(src=girl_pic, kernel=kernel)
cv2.imshow('dilation', dilation)
cv2.waitKey(0)
cv2.destroyAllWindows()

膨胀效果

3、morphology-open开运算

morphology-open_API

开运算 morphology-open opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel) 先腐蚀,后膨胀,去白噪点 先合再开,对浅色成分不利

实例代码

import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# open 开运算
opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel)
cv2.imshow('opening', opening)
cv2.waitKey(0)
cv2.destroyAllWindows()

实例效果:

4、morphology-close闭运算

闭运算 morphology-close closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel) 先膨胀,后腐蚀,去黑噪点 先开再合,浅色成分得势

示例代码:

import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# close 闭运算
closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel)
cv2.imshow('closing', closing)
cv2.waitKey(0)
cv2.destroyAllWindows()

实际效果:

5、morphology-grandient形态学梯度

形态学梯度 morphology-grandient gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel) 一幅图像腐蚀与膨胀的区别,可以得到轮廓 数值上解释为:膨胀减去腐蚀

示例代码:

import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# gradient 形态学梯度
gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel)
cv2.imshow('gradient', gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()

示例效果:

6、tophat礼帽

礼帽 tophat tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel) 原图像减去开运算的差 数值上解释为:原图像减去开运算

示例代码:

import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# tophat 礼帽
tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('tophat', tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()

实际效果:

7、blackhat黑帽

黑帽 blackhat blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel) 闭运算减去原图像的差 数值上解释为:闭运算减去原图像

示例代码:

import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# blackhat 黑帽
blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('blackhat', blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()

实际效果:

开运算+礼帽=原图

示例代码:

import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# 开运算
opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel)
# 礼帽
tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel)
# 拼接开运算+礼貌
open_and_tophat = cv2.add(opening, tophat)
cv2.imshow('open_and_tophat', open_and_tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()

实际效果:

闭运算 - 黑帽 = 原图

示例代码:

import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# 闭运算
closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel)
# 黑帽
blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel)
# close-blackhat 闭运算 - 黑帽 = 原图
close_subtract_blackhat = closing - blackhat
cv2.imshow('close_sub_blackhat', close_subtract_blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()

实际效果:

相关文章
|
2月前
|
监控 API 计算机视觉
OpenCV这么简单为啥不学——1.8、threshold阈值0-4效果对照图
OpenCV这么简单为啥不学——1.8、threshold阈值0-4效果对照图
34 0
|
2月前
|
监控 API 计算机视觉
OpenCV这么简单为啥不学——1.3、图像缩放resize函数
OpenCV这么简单为啥不学——1.3、图像缩放resize函数
40 0
|
2月前
|
监控 API 计算机视觉
OpenCV这么简单为啥不学——1.13图片冷白皮(美白)处理
OpenCV这么简单为啥不学——1.13图片冷白皮(美白)处理
33 0
|
2月前
|
存储 编解码 监控
OpenCV这么简单为啥不学——2.1、imwrite逐帧保存图片
OpenCV这么简单为啥不学——2.1、imwrite逐帧保存图片
43 0
|
2月前
|
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)
45 0
|
3月前
|
计算机视觉 Python 索引
【Python Opencv】图片与视频的操作
【Python Opencv】图片与视频的操作
【Python Opencv】图片与视频的操作
|
2月前
|
监控 算法 Serverless
OpenCV这么简单为啥不学——1.12、使用ssim函数对两张照片进行相似度分析
OpenCV这么简单为啥不学——1.12、使用ssim函数对两张照片进行相似度分析
42 0
|
2月前
|
人工智能 监控 API
OpenCV这么简单为啥不学——1.11、蓝背景证件照替换白色或红色
OpenCV这么简单为啥不学——1.11、蓝背景证件照替换白色或红色
31 0
|
2月前
|
监控 API 计算机视觉
OpenCV这么简单为啥不学——1.10、addWeighted设置图片透明度
OpenCV这么简单为啥不学——1.10、addWeighted设置图片透明度
27 0
|
2月前
|
监控 API 计算机视觉
OpenCV这么简单为啥不学——1.9、cvtColor颜色空间转换(全色值效果演示)
OpenCV这么简单为啥不学——1.9、cvtColor颜色空间转换(全色值效果演示)
20 0