数字图像处理(12): 形态学处理 |
您所在的位置：网站首页 › 数学大小数字图片 › 数字图像处理(12): 形态学处理 |
数字图像处理(12): 形态学处理
|
目录 1 形态学操作 2 图像腐蚀 3 图像膨胀 参考资料 1 形态学操作形态学（morphology）一词通常表示生物学的一个分支，该分支主要研究动植物的形态和结构。这里，我们使用同一词语表示数学形态学的内容，将数学形态学作为工具从图像中提取表达和描绘区域形状的有用图像分量，如边界、骨架和凸壳等。 形态学处理主要针对的是二值图像（0或1）。 形态学通常使用图像腐蚀和图像膨胀两个操作，这些操作是形态学处理的基础。 2 图像腐蚀 作为 上式表示图像
图像腐蚀的效果如下图所示：
图像腐蚀类似于“邻域被蚕食”，将图像中的高亮区域或白色部分进行缩减细化，其运行结果图比原图的高亮区域更小。其主要包括两个输入对象： (1) 二值图像 (2 )卷积核
卷积核是腐蚀中的关键数组，采用numpy库可以生成。卷积核的中心点逐个像素扫描原始图像，腐蚀的过程如下图所示：
被扫描到的原始图像中的像素点，只有当卷积核对应的元素值均为1时，其值才为1，否则其值修改为0。换句话说，遍历到的黄色点位置，其周围全部是白色，保留白色，否则变为黑色，图像腐蚀变小。如下图所示：
图像腐蚀主要使用的函数为 erode()，其函数形式如下： dst = cv2.erode(src, kernel, iterations) 其中，参数： dst 表示处理的结果; src 表示原图像； kernel 表示卷积核； iterations 表示迭代次数。 注：迭代次数默认是1，表示进行一次腐蚀，也可以根据需要进行多次迭代，进行多次腐蚀。 例如：下图表示5
（1）卷积核大小为5 代码如下所示： #encoding:utf-8 import cv2 import numpy as np #读取图片 src = cv2.imread('test1.bmp', cv2.IMREAD_UNCHANGED) #设置卷积核 kernel = np.ones((5,5), np.uint8) #图像腐蚀处理 erosion = cv2.erode(src, kernel) #显示图像 cv2.imshow("src", src) cv2.imshow("result", erosion) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
运行结果如下图所示：
（2）卷积核大小为5 代码如下所示： #encoding:utf-8 import cv2 import numpy as np #读取图片 src = cv2.imread('test1.bmp', cv2.IMREAD_UNCHANGED) #设置卷积核 kernel = np.ones((5,5), np.uint8) #图像腐蚀处理 erosion = cv2.erode(src, kernel,iterations=10) #显示图像 cv2.imshow("src", src) cv2.imshow("result", erosion) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
运行结果如下图所示：
（2）卷积核大小为39 代码如下所示： #encoding:utf-8 import cv2 import numpy as np #读取图片 src = cv2.imread('test1.bmp', cv2.IMREAD_UNCHANGED) #设置卷积核 kernel = np.ones((39,39), np.uint8) #图像腐蚀处理 erosion = cv2.erode(src, kernel) #显示图像 cv2.imshow("src", src) cv2.imshow("result", erosion) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
运行结果如下图所示：
3 图像膨胀 作为 图像膨胀是腐蚀操作的逆操作，类似于“领域扩张”，将图像中的高亮区域或白色部分进行扩张，其运行结果图比原图的高亮区域更大，线条变粗了，主要用于去噪。 (1) 图像被腐蚀后，去除了噪声，但是会压缩图像。 (2) 对腐蚀过的图像，进行膨胀处理，可以去除噪声，并且保持原有形状。 它也包括两个输入对象： (1)二值图像或原始图像 (2)卷积核 图像膨胀的效果如下图所示：
卷积核是腐蚀中的关键数组，采用numpy库可以生成。卷积核的中心点逐个像素扫描原始图像，如下图所示：
被扫描到的原始图像中的像素点，当卷积核对应的元素值只要有一个为1时，其值就为1，否则为0。
图像膨胀主要使用的函数为 dilate()，其函数用法如下所示： dst = cv2.dilate(src, kernel, iterations) 其中，参数： dst 表示处理的结果； src 表示原始图像； kernel 表示卷积核； iterations 表示迭代次数。 注：迭代次数默认是1，表示进行一次膨胀，也可根据需要进行多次迭代，进行多次膨胀。通常进行1次膨胀即可。 例如，下图表示5
（1）卷积核大小为3 代码如下所示： #encoding:utf-8 import cv2 import numpy as np #读取图片 src = cv2.imread('test2.bmp', cv2.IMREAD_UNCHANGED) #设置卷积核 kernel = np.ones((3,3), np.uint8) #图像膨胀处理 erosion = cv2.dilate(src, kernel) #显示图像 cv2.imshow("src", src) cv2.imshow("result", erosion) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
运行结果如下图所示：
（1）卷积核大小为5 代码如下所示： #encoding:utf-8 import cv2 import numpy as np #读取图片 src = cv2.imread('test2.bmp', cv2.IMREAD_UNCHANGED) #设置卷积核 kernel = np.ones((5,5), np.uint8) #图像膨胀处理 erosion = cv2.dilate(src, kernel) #显示图像 cv2.imshow("src", src) cv2.imshow("result", erosion) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
运行结果如下图所示：
参考资料 [1] https://blog.csdn.net/Eastmount/article/details/83581277 [2] Python+OpenCV图像处理 |
【本文地址】
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |