形态学操作
Posted 陨星落云
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了形态学操作相关的知识,希望对你有一定的参考价值。
形态学操作
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的操作。需要输入两个参数,一个是原始图像,第二个被称为结构化元素或核,它是用来决定操作的性质的。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。
结构元素
图像处理经常要用到形态学操作,其中首先要获取结构元素。包括结构元素的大小及形状。
我们使用 Numpy 构建了结构化元素,它是正方形的。但有时我们需要构建一个椭圆形/圆形的核。为了实现这种要求,提供了 OpenCV函数 cv2.getStructuringElement()。你只需要告诉他你需要的核的形状和大小。
# 矩形
kernel = np.ones((5,5),np.uint8)
kernel_1 = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
print("矩形:\\n%s"%kernel)
#print("矩形1:\\n%s"%kernel_1)
# 椭圆
kernel_2 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
print("椭圆:\\n%s"%kernel_2)
# 十字形
kernel_3 = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
print("十字:\\n%s"%kernel_3)
矩形:
[[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]]
椭圆:
[[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]]
十字:
[[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]]
腐蚀 (erode)
定义E为欧氏空间,在二值图像A上使用B进行腐蚀运算的定义为:
其中为B平移向量z得到。
在深蓝色正方形上使用圆盘进行腐蚀运算,结果为浅蓝色正方形。
腐蚀作用:可以用来消除小且无意义的物体。
dst =cv2.erode(src,kernel,iterations = 1)
参数意义如下:
- src:输入图像
- dst:输出图像
- kernel:核(结构元素)
- iterations:迭代次数
例子
def img_show(name,image):
"""matplotlib图像显示函数
name:字符串,图像标题
img:numpy.ndarray,图像
"""
if len(image.shape) == 3:
image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
plt.imshow(image,\'gray\')
plt.xticks([])
plt.yticks([])
plt.xlabel(name,fontproperties=\'FangSong\',fontsize=12)
if __name__=="__main__":
img = cv2.imread("data/Fig0905(a)(wirebond-mask).tif")
# 矩形
kernel = np.ones((5,5),np.uint8)
erosion =cv2.erode(img,kernel,iterations = 1)
plt.subplot(121)
img_show("original",img)
plt.subplot(122)
img_show(\'erosion\',erosion)
膨胀 (dilate)
定义E为欧氏空间,在二值图像A上使用B进行膨胀运算的定义为:
其中 为A平移向量b得到。
在深蓝色正方形上使用圆盘进行膨胀运算,结果为浅蓝色正方形,带有圆角。
膨胀作用:可以用来填补物体中的空洞。
dst = cv2.dilate(src,kernel,iterations = 1)
参数意义同腐蚀。
例子
def img_show(name,image):
"""matplotlib图像显示函数
name:字符串,图像标题
img:numpy.ndarray,图像
"""
if len(image.shape) == 3:
image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
plt.imshow(image,\'gray\')
plt.xticks([])
plt.yticks([])
plt.xlabel(name,fontproperties=\'FangSong\',fontsize=12)
if __name__=="__main__":
img = cv2.imread("data/Fig0905(a)(wirebond-mask).tif")
# 矩形
kernel = np.ones((5,5),np.uint8)
dilation = cv2.dilate(img,kernel,iterations = 1)
plt.figure(figsize=(10,8),dpi = 80)
plt.subplot(121)
img_show("original",img)
plt.subplot(122)
img_show(\'dilation\',dilation )
开运算
在数学形态学中,开运算 被定义为先腐蚀后膨胀。
其中 和 分别表示腐蚀和膨胀。
在深蓝色正方形上使用圆盘进行开运算,结果为浅蓝色正方形,带有圆角。
开运算作用:它被用来去除噪声
opening = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)
参数意义如下:
- src:输入图像
- cv2.MORPH_OPEN:形态学开运算
- kernel:核(结构元素)
例子
def img_show(name,image):
"""matplotlib图像显示函数
name:字符串,图像标题
img:numpy.ndarray,图像
"""
if len(image.shape) == 3:
image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
plt.imshow(image,\'gray\')
plt.xticks([])
plt.yticks([])
plt.xlabel(name,fontproperties=\'FangSong\',fontsize=12)
if __name__=="__main__":
img = cv2.imread("data/FigP0918(left).tif")
# 矩形
kernel = np.ones((5,5),np.uint8)
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
plt.figure(figsize=(10,8),dpi = 80)
plt.subplot(121)
img_show("original",img)
plt.subplot(122)
img_show(\'opening\',opening)
闭运算
在数学形态学中,闭运算 被定义为先膨胀后腐蚀。
其中 和 分别表示腐蚀和膨胀。
在深蓝色区域(两个相连的正方形)上使用圆盘进行闭运算,结果为深蓝色和浅蓝色的并集。
闭运算作用: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。
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
cv2.MORPH_CLOSE代表闭运算,其他参数意义同开运算。
例子
def img_show(name,image):
"""matplotlib图像显示函数
name:字符串,图像标题
img:numpy.ndarray,图像
"""
if len(image.shape) == 3:
image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
plt.imshow(image,\'gray\')
plt.xticks([])
plt.yticks([])
plt.xlabel(name,fontproperties=\'FangSong\',fontsize=12)
if __name__=="__main__":
img = cv2.imread("data/Fig0907(a)(text_gaps_1_and_2_pixels).tif")
# 矩形
kernel = np.ones((5,5),np.uint8)
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
plt.figure(figsize=(10,8),dpi = 80)
plt.subplot(121)
img_show("original",img)
plt.subplot(122)
img_show(\'closing\',closing)
形态学梯度
其实就是一幅图像膨胀与腐蚀的之差。
形态学梯度作用:提取前景物体的轮廓。
gradient = cv2.morphologyEx(src, cv2.MORPH_GRADIENT, kernel)
cv2.MORPH_GRADIENT代表形态学梯度,其他参数意义同开运算。
例子
def img_show(name,image):
"""matplotlib图像显示函数
name:字符串,图像标题
img:numpy.ndarray,图像
"""
if len(image.shape) == 3:
image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
plt.imshow(image,\'gray\')
plt.xticks([])
plt.yticks([])
plt.xlabel(name,fontproperties=\'FangSong\',fontsize=12)
if __name__=="__main__":
img = cv2.imread("data/FigP0905(U).tif")
# 十字形
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
#print("十字:\\n%s"%kernel_3)
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
plt.figure(figsize=(10,8),dpi = 80)
plt.subplot(121)
img_show("original",img)
plt.subplot(122)
img_show(\'gradient\',gradient)
礼帽
原始图像与进行开运算之后得到的图像的差。
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
例子
def img_show(name,image):
"""matplotlib图像显示函数
name:字符串,图像标题
img:numpy.ndarray,图像
"""
if len(image.shape) == 3:
image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
plt.imshow(image,\'gray\')
plt.xticks([])
plt.yticks([])
plt.xlabel(name,fontproperties=\'FangSong\',fontsize=12)
if __name__=="__main__":
img = cv2.imread("data/Fig0905(a)(wirebond-mask).tif")
# 矩形
kernel = np.ones((5,5),np.uint8)
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
plt.figure(figsize=(10,8),dpi = 80)
plt.subplot(121)
img_show("original",img)
plt.subplot(122)
img_show(\'tophat\',tophat)
黑帽
进行闭运算之后得到的图像与原始图像的差。
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
例子
def img_show(name,image):
"""matplotlib图像显示函数
name:字符串,图像标题
img:numpy.ndarray,图像
"""
if len(image.shape) == 3:
image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
plt.imshow(image,\'gray\')
plt.xticks([])
plt.yticks([])
plt.xlabel(name,fontproperties=\'FangSong\',fontsize=12)
if __name__=="__main__":
img = cv2.imread("data/FigP0936(bubbles_on_black_background).tif")
# 矩形
kernel = np.ones((5,5),np.uint8)
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
plt.figure(figsize=(10,8),dpi = 80)
plt.subplot(121)
img_show("original",img)
plt.subplot(122)
img_show(\'blackhat\',blackhat)
参考资料:
网址:https://en.wikipedia.org/wiki/Mathematical_morphology
书籍:《数字图像处理》《OpenCV-Python-Toturial-中文版》
以上是关于形态学操作的主要内容,如果未能解决你的问题,请参考以下文章