目标

这一节

  • 我们将学习不同的形态学操作,如腐蚀、膨胀、开、闭......
  • 我们将看到不同的函数,如:cv2.erode()、cv2.dilate()、cv2.morphology()

理论

形态变换是基于图像形状的一些简单操作。它通常在二进制图像上执行。它需要两个输入,一个是我们的原始图像,第二个是称为结构元素或内核,它决定了操作的本质。两个基本的形态学运算符是侵蚀和膨胀。然后它的变体形式如Opening,Closing,Gradient等也发挥作用。我们将在以下图片的帮助下逐一看到它们:

1、腐蚀(Erosion)

腐蚀的基本思想就像土壤侵蚀一样,它会侵蚀前景物体的边界(总是试图保持前景为白色)。那它是做什么的?内核在图像中滑动(如在2D卷积中)。只有当内核下的所有像素都是1时,原始图像中的像素(1或0)才会被视为1,否则它将被侵蚀(变为零)

所以发生的事情是,边界附近的所有像素都将被丢弃,具体取决于内核的大小。因此,前景对象的厚度或大小减小,或者图像中的白色区域减小。它有助于消除小的白噪声(正如我们在色彩空间章节中看到的那样),分离两个连接的对象等。

在这里,作为一个例子,我将使用一个全1的5x5内核,其中包含完整的内核。让我们看看它是如何工作的:

import cv2
import numpy as np img = cv2.imread('j.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)

结果:

2、膨胀(Dilation)

它恰好与腐蚀相反。这里,如果内核下的至少一个像素为“1”,则像素元素为“1”。因此它增加了图像中的白色区域或前景对象的大小增加。通常,在去除噪音的情况下,腐蚀之后再膨胀。因为,腐蚀会消除白噪声,但它也会缩小我们的物体,所以我们需要再扩大它。由于噪音消失了,它们不会再回来,但我们的物体区域会增加。它也可用于连接对象的破碎部分。

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

结果:

3、开运算(Opening)

开运算是腐蚀再膨胀的另一种说法。如上所述,它有助于消除噪音。这里我们使用函数cv2.morphologyEx().

opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

结果:

4. 闭运算(Closing)

开运算与闭运算,腐蚀和膨胀是相反的。闭运算就是先膨胀再腐蚀,它可用于关闭前景对象内的小孔或对象上的小黑点。

closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

结果:

我们可以通过以下代码观察之间的关系:

import cv2
import numpy as np img = cv2.imread('./Pictures/j.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1) img2 = ~img
dilation = cv2.dilate(img2,kernel,iterations = 1)
dilation = ~dilation htich = np.hstack((img, erosion, dilation))
cv2.imshow("erosion", htich)
cv2.waitKey(0)

结果:

可见,img开运算等同于反转图闭运算再反转。

5、形态梯度(Morphological Gradient)

它是一张图像膨胀和腐蚀之间的差异,结果看起来像对象的轮廓。

gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

结果:

其效果等同于膨胀减去腐蚀

import cv2
import numpy as np img = cv2.imread('./Pictures/j.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
dilation = cv2.dilate(img,kernel,iterations = 1)
diff = dilation - erosion gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel) htich = np.hstack((img, gradient, diff))
cv2.imwrite("./Pictures/i.png", htich)
cv2.imshow("erosion", htich)
cv2.waitKey(0)

效果:

6、高帽变换(Top Hat/White Top-Hot)

它是输入图像和图像开运算之间的区别。下面的示例是针对9x9内核完成的。

tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

结果:

其等同于膨胀后减去原图,例如,该图在使用2x2内核时,两者效果比较接近。

import cv2
import numpy as np img = cv2.imread('./Pictures/j.png',0)
kernel = np.ones((2,2),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
dilation = cv2.dilate(img,kernel,iterations = 1)
diff = img - dilation
diff2 = dilation - img tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel) htich = np.hstack((img, tophat, diff2))
cv2.imwrite("./Pictures/i.png", htich)
cv2.imshow("erosion", htich)
cv2.waitKey(0)

结果:

7、黑帽变换(Black Hat/Black Top-Hot)

它是闭运算与输入图像的差异。

blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

结果:

其等同于原图减去闭运算,显然这两个都能用来提取轮廓,有什么区别呢?WTH能使较暗背景中较亮的像素聚集,BTH能使较亮背景中较暗像素的聚集。前者使“峰”更尖,后者使“谷”更深。两者结合$THE(f)=f+WTH(f,b)-BTH(f,b)$,对比更加明显。

结构元素(Structuring Element)

我们在Numpy的帮助下手动创建了前面示例中的结构元素。它是矩形。但在某些情况下,您可能需要椭圆/圆形内核。因此,为此,OpenCV有一个函数cv2.getStructuringElement()。您只需传递内核的形状和大小,即可获得所需的内核。

# Rectangular Kernel
>>> cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
array([[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1]], dtype=uint8) # Elliptical Kernel
>>> cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
array([[0, 0, 1, 0, 0],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[0, 0, 1, 0, 0]], dtype=uint8) # Cross-shaped Kernel
>>> cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
array([[0, 0, 1, 0, 0],
[0, 0, 1, 0, 0],
[1, 1, 1, 1, 1],
[0, 0, 1, 0, 0],
[0, 0, 1, 0, 0]], dtype=uint8)

参考链接:OpenCV-Python Tutorials https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_morphological_ops/py_morphological_ops.html#dilation

Python-OpenCV——Morphological Transformations(形态学转换)的更多相关文章

  1. python opencv入门-形态学转换

    目标: 学习不同的形态操作 例如 腐蚀.膨胀.开运算.闭运算 等. 我们要学习的函数有 cv2.erode(),cv2.dilate(),cv2.morphologyEx() 等. 原理 :一般对二值 ...

  2. python base64 编解码,转换成Opencv,PIL.Image图片格式

    二进制打开图片文件,base64编解码,转成Opencv格式: # coding: utf-8 import base64 import numpy as np import cv2 img_file ...

  3. python+opencv实现车牌定位

    写在前面 HIT大三上学期视听觉信号处理课程中视觉部分的实验三,经过和学长们实验的对比发现每一级实验要求都不一样,因此这里标明了是2019年秋季学期的视觉实验三. 由于时间紧张,代码没有进行任何优化, ...

  4. python opencv识别蓝牌车牌号 之 取出车牌号 (1/3)

    概述 车牌识别是计算机视频图像识别技术在车辆牌照识别中的一种应用,通常来讲如果结合opencv进行车牌识别主要分为四个大步骤,分别为: 图像采集 车牌定位 分割车牌字符 字符识别 当然,如果结合了机器 ...

  5. 【Python | opencv+PIL】常见操作(创建、添加帧、绘图、读取等)的效率对比及其优化

    一.背景 本人准备用python做图像和视频编辑的操作,却发现opencv和PIL的效率并不是很理想,并且同样的需求有多种不同的写法并有着不同的效率.见全网并无较完整的效率对比文档,遂决定自己丰衣足食 ...

  6. Python opencv PIL numpy base64互相转化

    PIL2numpy and numpy2PIL from PIL import Image import numpy image = Image.open('timg.jpeg')# image is ...

  7. 搭建基于python +opencv+Beautifulsoup+Neurolab机器学习平台

    搭建基于python +opencv+Beautifulsoup+Neurolab机器学习平台 By 子敬叔叔 最近在学习麦好的<机器学习实践指南案例应用解析第二版>,在安装学习环境的时候 ...

  8. .NET + OpenCV & Python + OpenCV 配置

    最近需要做一个图像识别的GUI应用,权衡了Opencv+ 1)QT,2)Python GUI,3).NET后选择了.NET... 本文给出C#+Opencv和Python+Opencv的相应参考,节省 ...

  9. RPi 2B python opencv camera demo example

    /************************************************************************************** * RPi 2B pyt ...

随机推荐

  1. 基于zookeeper实现分布式配置中心(一)

    最近在学习zookeeper,发现zk真的是一个优秀的中间件.在分布式环境下,可以高效解决数据管理问题.在学习的过程中,要深入zk的工作原理,并根据其特性做一些简单的分布式环境下数据管理工具.本文首先 ...

  2. Android开发,关于aar你应该知道的

    https://yangbo.tech/2015/10/17/all-about-aar/ 背景 在软件工程中,分治是最基本的设计原理,就如同现实中的砖.瓦.钢筋.水泥一样,模块化.组件化的分工,让我 ...

  3. poj3186(区间dp)

    题目链接:http://poj.org/problem?id=3186 题意:给一行n个数,每次可以取出行首或者行末的数,如果第ai是第i次取出的,可以得到ai*i的收益,求最大的总收益: 思路:区间 ...

  4. MySQL server has gone away和Maximum execution time of 120 seconds exceeded

    今天在写采集时碰到两个问题1.MySQL server has gone away2.Maximum execution time of 120 seconds exceeded 采集程序写好运行大概 ...

  5. css绘制各种形状

    代码:http://runjs.cn/code/9lyjtbxl: 效果:http://sandbox.runjs.cn/show/9lyjtbxl <!DOCTYPE html> < ...

  6. blur和focus的运用

    这两个事件不仅仅只能运用与input.span之类的元素.还可以运用于window. 可以切换title. 当切换当前页面时,改变title的文字为‘离开了’. <!DOCTYPE html&g ...

  7. bzoj 5337 [TJOI2018] str

    bzoj 5337 [TJOI2018] str Link Solution 水题 直接 \(f[i][j]\) 表示以第 \(i\) 位为结束位置,当前已经匹配了前 \(j\) 个氨基酸的方案数 使 ...

  8. php:封装了个时间函数,返回类似“1分钟前发布”,“5小时前发布”,“3年前发布”

    处理和时间有关的时候,像发布问题等通常不会用date格式的时间,而是用类似"3分钟前发布"等格式,下面封装的php函数就可以使用: 注意:当有用到strtotime()函数的记得加 ...

  9. maven settings.xml windows

    <?xml version="1.0" encoding="UTF-8"?> <!-- Licensed to the Apache Soft ...

  10. 爬虫(ProxyHandler)——代理

    工具:python3 步骤: 1)使用ProxyHandler()构建httpproxy_handler对象 2)使用build_opener(httpproxy_handler)构建opener 3 ...