| 腐蚀，膨胀，开闭运算 处理图片中的噪声点 | 您所在的位置：网站首页 › 消除噪音的东西 › 腐蚀，膨胀，开闭运算 处理图片中的噪声点 |
腐蚀，膨胀，开闭运算 处理图片中的噪声点
|
通过形态学过滤图片中的噪声点
以小代价,在目标检测的基础上引入了语义分割的分支,让机器人在检测脏东西的同时,区别出可行驶区域,因此有必要对粗的语义分割结果进行处理,这里使用了图形形态学中的腐蚀,膨胀,开运算,闭运算. 下图左上角是语义分割的结果(这里是二分类,多分类类似), 分别使用腐蚀,膨胀,开运算,闭运算,开运算+闭运算对原始结果进行了处理 
处理前 
处理后 
Eroded 腐蚀: 用来消除小且无意义的目标物,同时会造成目标区域范围变小，图像的边界收缩
1.定义核结构元素 # example kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) kernel = np.ones((5, 5), np.uint8)2.卷积待处理图片,对当前卷积位置,完全重合(即核中为1对应的图片区域值也都为1),则对输出图像对应的像元赋值为1,否则为0 eroded = cv2.erode(src, kernel)注意要保证待处理图片为np.array, dtype=‘uint8’ Dilated 膨胀: 用来填补空洞,消除小颗粒噪声,同时会造成目标区域范围变大，图像的边界拓张
1.定义核结构元素 2.卷积待处理图片,对当前卷积位置,非空(即核中为1对应的图片区域值至少一个为1),则对输出图像对应的像元赋值为1,否则为0 dilated = cv2.dilate(src, kernel) 开运算: 先腐蚀再膨胀,分离物体,消除物体外小区域 opened = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel) 闭运算: 先膨胀再腐蚀,优化物体内部空洞 closed = cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernel) skimage 提供的移除小物体API实测: 对于独立小物体,remove_small_objects效果较好;对于小物体相互又交错的,使用闭运算 + 开运算效果较好 skimage.morphology.remove_small_objects 仅对目标区域(既值大与0的区域)进行处理,若同时想对背景区域处理需要反值 ################# skimage remove small object ################# pred_seg_rev = 1 - pred_seg pred_seg_rev_rmv = skimage.morphology.remove_small_objects(pred_seg_rev, min_size=300, connectivity=1) pred_seg_rmv = 1 - pred_seg_rev_rmv pred_seg_rmv = skimage.morphology.remove_small_objects(pred_seg_rmv, min_size=300, connectivity=1)注意: 对语义mask与原图像融合时可使用cv2.add,避免溢出255 vis_image = cv2.add(0.6 * original_image, 0.4 * seg_map).astype('uint8') |
【本文地址】
公司简介
联系我们