邯郸市建设局网站材料下载入口,空间 wordpress,住房和城市建设部网站,珠海网站建设搭建目录 目标
理论
1. 侵蚀
2. 扩张
3. 开运算
4. 闭运算
5. 形态学梯度
6. 顶帽
7. 黑帽
结构元素 目标
在这一章当中#xff0c; 我们将学习不同的形态学操作#xff0c;例如侵蚀#xff0c;膨胀#xff0c;开运算#xff0c;闭运算等。我们将看到不同的功能 我们将学习不同的形态学操作例如侵蚀膨胀开运算闭运算等。我们将看到不同的功能例如cv.erode(),cv.dilate(), cv.morphologyEx()等。
理论
形态变换是一些基于图像形状的简单操作。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决定操作性质的结构元素或内核。两种基本的形态学算子是侵蚀和膨胀。然后它的变体形式如“打开”“关闭”“渐变”等也开始起作用。在下图的帮助下我们将一一看到它们 1. 侵蚀
侵蚀的基本思想就像土壤侵蚀一样它侵蚀前景物体的边界(尽量使前景保持白色)。它是做什么的呢?内核滑动通过图像(在2D卷积中)。原始图像中的一个像素(无论是1还是0)只有当内核下的所有像素都是1时才被认为是1否则它就会被侵蚀(变成0)。
结果是根据内核的大小边界附近的所有像素都会被丢弃。因此前景物体的厚度或大小减小或只是图像中的白色区域减小。它有助于去除小的白色噪声(正如我们在颜色空间章节中看到的)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5x5内核它包含了所有的1。让我们看看它是如何工作的: import cv2 as cv import numpy as np img cv.imread(j.png,0) kernel np.ones((5,5),np.uint8) erosion cv.erode(img,kernel,iterations 1) 结果 2. 扩张
它与侵蚀正好相反。如果内核下的至少一个像素为“ 1”则像素元素为“ 1”。因此它会增加图像中的白色区域或增加前景对象的大小。通常在消除噪音的情况下腐蚀后会膨胀。因为腐蚀会消除白噪声但也会缩小物体。因此我们对其进行了扩展。由于噪音消失了它们不会回来但是我们的目标区域增加了。在连接对象的损坏部分时也很有用。 dilation cv.dilate(img,kernel,iterations 1)
结果 3. 开运算
开放只是侵蚀然后扩张的另一个名称。如上文所述它对于消除噪音很有用。在这里我们使用函数cv.morphologyEx() opening cv.morphologyEx(img, cv.MORPH_OPEN, kernel) 结果 4. 闭运算
闭运算与开运算相反先扩张然后再侵蚀。在关闭前景对象内部的小孔或对象上的小黑点时很有用。 closing cv.morphologyEx(img, cv.MORPH_CLOSE, kernel) 5. 形态学梯度
这是图像扩张和侵蚀之间的区别。
结果将看起来像对象的轮廓。 gradient cv.morphologyEx(img, cv.MORPH_GRADIENT, kernel) ![Uploading gradient.png… (2yruxk2ei)]() 6. 顶帽
它是输入图像和图像开运算之差。下面的示例针对9x9内核完成。 tophat cv.morphologyEx(img, cv.MORPH_TOPHAT, kernel) 结果 7. 黑帽
这是输入图像和图像闭运算之差。 blackhat cv.morphologyEx(img, cv.MORPH_BLACKHAT, kernel) 结果 结构元素
在Numpy的帮助下我们在前面的示例中手动创建了一个结构元素。它是矩形。但是在某些情况下您可能需要椭圆形/圆形的内核。因此为此OpenCV具有一个函数cv.getStructuringElement()。您只需传递内核的形状和大小即可获得所需的内核。 # 矩形内核 cv.getStructuringElement(cv.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]], dtypeuint8) # 椭圆内核 cv.getStructuringElement(cv.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]], dtypeuint8) # 十字内核 cv.getStructuringElement(cv.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]], dtypeuint8)
