• 不同的形态学操作,例如腐蚀,膨胀,开运算,闭运算等

  形态学操作是根据图像形状进行的简单操作。一般情况下对二值化图像进行操作。需要的参数有两个,一个是原始图像,第二个被称为结构化元素或核,它是用来决定操作性质的。两个基本的形态学操作是腐蚀和膨胀。他们的变体构成了开运算,闭运算,梯度等。

1.腐蚀

  就像土壤侵蚀一样,这个操作会把前景物体的边界腐蚀掉(但前景仍然是白色的)。怎么实现的?卷积核沿着图像滑动,如果与卷积核对应的原图像的所有像素值都是1,那么中心元素就保持原来的像素值,否则就变为0.

  这样根据卷积核的大小,靠近前景的所欲像素都会被腐蚀掉,所有前景侮辱会变小,整幅图像的白色区域会减少。这对ゆ去除白噪声很有用,也可以用来断开两个连载一起的物体等。

  以下例程使用一个5*5卷积核,其中所有值都是1:

  # -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('7.png',0)
kernel = np.ones((5,5),np.uint8)#注意这里kernel的类型和前面不同
erosion = cv2.erode(img,kernel,iterations=1)#iteration指迭代执行的次数

cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果如下:

--->

2.膨胀

  正好与腐蚀相反,只要卷积核对应的原图像的像素值中有一个是1,中心元素的像素值就是1.所以用这个操作会增加白色区域。一般在去噪声时先用腐蚀再用膨胀。因为腐蚀在去掉白噪声时也会导致前景对象变小。所以在对其进行膨胀操作,此时不会增加白噪声的情况下可以增加前景。当然膨胀也可以用来连接两个分开的物体。

# -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('7.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.dilate(img,kernel,iterations=1)

cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果如下:

  ---> 

3.开运算

  先进行腐蚀在进行膨胀就叫做开运算。作用如上所述是为了去除噪声。我们也可以用cv2.morphologyEx()来操作

# -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt img = cv2.imread('6.jpg',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel) cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

4.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

# -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('6.jpg',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)#中间的设置项变了

cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.形态学梯度

  就是一幅图像膨胀和腐蚀的区别。看上去就像前景物体的轮廓

  # -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('7.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)

cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

6.礼帽

  原始图像 与 进行开运算后得到的图像 做差(可以想象应该主要是噪声)。

# -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt img = cv2.imread('7.png',0)
kernel = np.ones((9,9),np.uint8)
erosion = cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel) cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

(这是与9*9的核做差得到的,5*5的核得到的几乎全黑)

7.黑帽

  当然是进行闭运算后得到的图像与原图像的差。

  # -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('7.png',0)
kernel = np.ones((9,9),np.uint8)
erosion = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)

cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

P.S  在OpenCV中还提供了一个函数cv2.getStructuringElement()。这个函数可以供你设计出其他形状的核

书上给的例子如下:

  

OpenCV学习笔记(9)——形态学转换的更多相关文章

  1. OpenCV学习笔记(5)——颜色空间转换

    学习如歌对图像进行颜色空间转换,从BGR到灰度图,或者从BGR到HSV等 创建一个程序用来从一幅图像中获取某个特定颜色的物体 1.转换颜色空间 OpenCV中有超过150种进行颜色空间转化的方法,但是 ...

  2. OpenCV学习笔记3

    OpenCV学习笔记3 图像平滑(低通滤波) 使用低通滤波器可以达到图像模糊的目的.这对与去除噪音很有帮助.其实就是去除图像中的高频成分(比如:噪音,边界).所以边界也会被模糊一点.(当然,也有一些模 ...

  3. opencv学习笔记(七)SVM+HOG

    opencv学习笔记(七)SVM+HOG 一.简介 方向梯度直方图(Histogram of Oriented Gradient,HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子 ...

  4. opencv学习笔记(六)直方图比较图片相似度

    opencv学习笔记(六)直方图比较图片相似度 opencv提供了API来比较图片的相似程度,使我们很简单的就能对2个图片进行比较,这就是直方图的比较,直方图英文是histogram, 原理就是就是将 ...

  5. opencv学习笔记(三)基本数据类型

    opencv学习笔记(三)基本数据类型 类:DataType 将C++数据类型转换为对应的opencv数据类型 OpenCV原始数据类型的特征模版.OpenCV的原始数据类型包括unsigned ch ...

  6. opencv学习笔记(一)IplImage, CvMat, Mat 的关系

    opencv学习笔记(一)IplImage, CvMat, Mat 的关系 opencv中常见的与图像操作有关的数据容器有Mat,cvMat和IplImage,这三种类型都可以代表和显示图像,但是,M ...

  7. OpenCV 学习笔记03 boundingRect、minAreaRect、minEnclosingCircle、boxPoints、int0、circle、rectangle函数的用法

    函数中的代码是部分代码,详细代码在最后 1 cv2.boundingRect 作用:矩形边框(boundingRect),用于计算图像一系列点的外部矩形边界. cv2.boundingRect(arr ...

  8. OpenCV 学习笔记03 边界框、最小矩形区域和最小闭圆的轮廓

    本节代码使用的opencv-python 4.0.1,numpy 1.15.4 + mkl 使用图片为 Mjolnir_Round_Car_Magnet_300x300.jpg 代码如下: impor ...

  9. OpenCV 学习笔记 02 使用opencv处理图像

    1 不同色彩空间的转换 opencv 中有数百种关于不同色彩空间的转换方法,但常用的有三种色彩空间:灰度.BRG.HSV(Hue-Saturation-Value) 灰度 - 灰度色彩空间是通过去除彩 ...

随机推荐

  1. EfficientNet学习笔记

    EfficientNet是谷歌大脑在2019年提出的,论文地址是:https://arxiv.org/pdf/1905.11946.pdf 这篇文章主要想解决的一个问题是,如何平衡网络的深度.宽度和分 ...

  2. 谈谈对MVC的认识?

    核心思想是:视图和用户交互通过事件导致控制器改变 控制器改变导致模型改变 或者控制器同时改变两者 模型改变 导致视图改变 或者视图改变 潜在的从模型里面获得参数 来改变自己.他的好处是可以将界面和业务 ...

  3. usb四种传输模式bulk

    当USB插入USB总线时,USB控制器会自动为该USB设备分配一个数字来标示这个设备.另外,在设备的每个端点都有一个数字来表明这个端点.USB设备驱动向USB控制器驱动请求的每次传输被称为一个事务(T ...

  4. Apk反编译那些事

    参考博客: https://blog.csdn.net/cbd_2012/article/details/91410119 https://mp.weixin.qq.com/s?__biz=MzI0N ...

  5. Kubernetes 编排神器之 Helm

    什么是Kubernetes Helm?为什么要使用Helm? 前言 编写一堆Kubernetes配置文件是一件很麻烦的事情.对于一些容器,我们可能需要10多个yaml文件.维护它们是一个问题,而且在不 ...

  6. C++ Primer 第 5 版 习题参考答案

    从 5 月初 - 8 月 16 日,每天基本都在啃 C++ 的语法.起初直接看C++ Primer 中文版(第 5 版),发现后边的章节看着很吃力.所以就转而看了清华大学郑莉老师和李超老师的视频C++ ...

  7. ZOJ3471Most Powerful(状态压缩)

    问题 Recently, researchers on Mars have discovered N powerful atoms. All of them are different. These ...

  8. BZOJ1079 [SCOI2008]着色方案[组合计数DP]

    $有a_{1}个1,a_{2}个2,...,a_{n}个n(n<=15,a_{n}<=5),求排成一列相邻位不相同的方案数.$ 关于这题的教训记录: 学会对于复杂的影响分开计,善于发现整体 ...

  9. php的工作原理

    php有一种专门解释php的引擎称之为zend引擎 对于源程序,php引擎全部读入,而后进行词法分析,如果遇到不认识的词,就报parse_error (词法错误后终止分析) 词法分析后进入语法分析:语 ...

  10. qt5---滑动条QSlider

    需要    #include <QSlider> #include "win.h" #include <QDebug> #include <QPush ...