快捷導(dǎo)航

OpenCV學(xué)習(xí)之圖像形態(tài)學(xué)處理詳解

更新時(shí)間：2023年02月15日 15:19:25 作者：雙子座斷點(diǎn)

這篇文章主要為大家詳細(xì)介紹了OpenCV中圖像形態(tài)學(xué)處理的相關(guān)知識(shí)，例如：腐蝕操作、膨脹操作、開(kāi)閉運(yùn)算、梯度運(yùn)算、Top Hat Black Hat運(yùn)算等操作，需要的可以參考一下

1.腐蝕操作

從下面代碼中可以看到有三幅腐蝕程度不同的圖，腐蝕越嚴(yán)重像素就越模糊

import cv2
import numpy as np
from numpy import unicode
 
if __name__ == '__main__':
    img1 = cv2.imread("D:/Jupyter_Notebooks/0.jpg")  # 讀取彩色圖像(BGR)
    kernel = np.ones((3, 3), np.uint8)
    erosion = cv2.erode(img1, kernel)
    cv2.imshow("img1", erosion)  # 顯示疊加圖像 dst
 
    img2 = cv2.imread("D:/Jupyter_Notebooks/0.jpg")  # 讀取彩色圖像(BGR)
    kernel = np.ones((10, 10), np.uint8)
    erosion_1 = cv2.erode(img2, kernel)
    cv2.imshow('erosion_1', erosion_1)
 
    img3 = cv2.imread("D:/Jupyter_Notebooks/0.jpg")  # 讀取彩色圖像(BGR)
    kernel = np.ones((30, 30), np.uint8)
    erosion_2 = cv2.erode(img3, kernel)
    cv2.imshow('erosion_2', erosion_2)
 
    cv2.waitKey(0)
    cv2.destroyAllWindows()

binary_img = np.array([ [0, 0, 0, 0, 0],
                        [0,255,255,255,0],
                        [0,255,255,255,0],
                        [0,255,255,255,0],
                        [0, 0, 0, 0, 0]],np.uint8)
ones((3,3),np.uint8)
 
[[  0   0   0   0   0]
 [  0   0   0   0   0]
 [  0   0 255   0   0]
 [  0   0   0   0   0]
 [  0   0   0   0   0]]

通過(guò)上面的例子發(fā)現(xiàn)，經(jīng)過(guò)3x3的kernel之后，最終只保留了中心的255像素，周邊的255都變成了0。在進(jìn)行腐蝕操作的時(shí)候，就是通過(guò)kernel大小的卷積在原圖像上滑動(dòng)，只有當(dāng)kernel范圍內(nèi)的像素全為255時(shí)輸出才為255，否則輸出為0，所以kernel越大最終白色像素保留的會(huì)越少。

2.膨脹操作

圖像經(jīng)過(guò)膨脹之后，白色像素的范圍變大了。在做膨脹的時(shí)候，只要當(dāng)kernel范圍內(nèi)的像素有255時(shí)輸出就為255。

3.開(kāi)閉運(yùn)算

開(kāi)運(yùn)算其實(shí)就是先通過(guò)腐蝕操作后面再進(jìn)行膨脹，閉運(yùn)算和開(kāi)運(yùn)算恰好相反先通過(guò)膨脹操作后面再進(jìn)行腐蝕。

import cv2
import numpy as np
from numpy import unicode
 
if __name__ == '__main__':
    img1 = cv2.imread("D:/Jupyter_Notebooks/0.jpg")  # 讀取彩色圖像(BGR)
    # 定義kernel
    kernel = np.ones((3, 3), np.uint8)
    # 開(kāi)運(yùn)算
    open_img = cv2.morphologyEx(img1, cv2.MORPH_OPEN, kernel)
    # 閉運(yùn)算
    close_img = cv2.morphologyEx(img1, cv2.MORPH_CLOSE, kernel)
 
 
    cv2.imshow("open_img", open_img)  # 顯示疊加圖像 dst
    cv2.imshow("close_img", close_img)  # 顯示疊加圖像 dst
 
    cv2.waitKey(0)
    cv2.destroyAllWindows()

4.梯度運(yùn)算

梯度運(yùn)算等價(jià)于膨脹運(yùn)算-腐蝕運(yùn)算梯度運(yùn)算主要是用來(lái)保留圖像的輪廓

5.Top Hat Black Hat運(yùn)算

Top Hat運(yùn)算等價(jià)于原始圖像 - 開(kāi)運(yùn)算，Black Hat運(yùn)算等價(jià)于閉運(yùn)算 - 原始圖像

形態(tài)學(xué)Top-Hat變換是指形態(tài)學(xué)頂帽操作與黑帽操作，前者是計(jì)算源圖像與開(kāi)運(yùn)算結(jié)果圖之差，后者是計(jì)算閉運(yùn)算結(jié)果與源圖像之差。

形態(tài)學(xué)Top-Hat變換是常用的一種濾波手段，具有高通濾波的某部分特性，可實(shí)現(xiàn)在圖像中檢測(cè)出周?chē)尘傲两Y(jié)構(gòu)或周邊背景暗結(jié)構(gòu)。

頂帽操作常用于檢測(cè)圖像中的峰結(jié)構(gòu)。

黑帽操作常用于檢測(cè)圖像中的波谷結(jié)構(gòu)。

import cv2
import numpy as np
from numpy import unicode
 
if __name__ == '__main__':
    img1 = cv2.imread("D:/Jupyter_Notebooks/0.jpg")  # 讀取彩色圖像(BGR)
    # 定義kernel
    kernel = np.ones((3, 3), np.uint8)
    tophat_img = cv2.morphologyEx(img1, cv2.MORPH_TOPHAT, kernel)
    blackhat_img = cv2.morphologyEx(img1, cv2.MORPH_BLACKHAT, kernel)
 
 
    cv2.imshow("tophat_img", tophat_img)  # 顯示疊加圖像 dst
    cv2.imshow("blackhat_img", blackhat_img)  # 顯示疊加圖像 dst
 
    cv2.waitKey(0)
    cv2.destroyAllWindows()