logo设计大赛网站,优化 seo,发布课程的网站模板,网站开发哈尔滨网站开发公司文章目录 前言一、膨胀腐蚀二、Python实现腐蚀算法三、Python实现膨胀算法四、Python实现阈值算法五、FPGA实现腐蚀算法总结 前言 腐蚀是指周围的介质作用下产生损耗与破坏的过程#xff0c;如生锈、腐烂等。而腐蚀算法也类似一种能够产生损坏#xff0c;抹去部分像素的算法。… 文章目录 前言一、膨胀腐蚀二、Python实现腐蚀算法三、Python实现膨胀算法四、Python实现阈值算法五、FPGA实现腐蚀算法总结 前言 腐蚀是指周围的介质作用下产生损耗与破坏的过程如生锈、腐烂等。而腐蚀算法也类似一种能够产生损坏抹去部分像素的算法。 一、膨胀腐蚀 膨胀腐蚀之前需要对图像进行二值化处理然后进行以下处理。 腐蚀 P P 1 P 2 P 3 P 4 P 5 P 6 P 7 P 8 P 9 P P1 \ P2 \ P3 \ P4 \ P5 \ P6 \ P7 \ P8 \ P9 PP1P2P3P4P5P6P7P8P9 膨胀 P P 1 ∣ P 2 ∣ P 3 ∣ P 4 ∣ P 5 ∣ P 6 ∣ P 7 ∣ P 8 ∣ P 9 P P1 | P2 | P3 | P4 | P5 | P6 | P7 | P8 | P9 PP1∣P2∣P3∣P4∣P5∣P6∣P7∣P8∣P9 图像二值化如下。
import numpy as np
import matplotlib.pyplot as plt
img plt.imread(lenna.png)
gray 0.299 * img[:, :, 0] 0.587 * img[:, :, 1] 0.114 * img[:, :, 2]
gray gray * 255#图像是[0-1]---[0-255]
bin_image np.where(gray 128, 1, 0)#处理成[0,1]像素二、Python实现腐蚀算法
def bin_erosion(binary, n):h, w gray.shapem int((n - 1) / 2)erosion_image np.zeros((h, w))for i in range(m, h - m):for j in range(m, w - m):erosion_image[i, j] binary[i - 1, j - 1] binary[i - 1, j] binary[i - 1, j 1] \binary[i, j - 1] binary[i, j] binary[i, j 1] binary[i 1, j - 1] \binary[i 1, j] binary[i 1, j 1]return erosion_image三、Python实现膨胀算法
def bin_dialtion(binary, n):h, w gray.shapem int((n - 1) / 2)dialtion_image np.zeros((h, w))for i in range(m, h - m):for j in range(m, w - m):dialtion_image[i, j] binary[i - 1, j - 1] | binary[i - 1, j] | binary[i - 1, j 1] |\binary[i, j - 1] | binary[i, j] | binary[i, j 1] | binary[i 1, j - 1] |\binary[i 1, j] | binary[i 1, j 1]return dialtion_image四、Python实现阈值算法 阈值算法介于膨胀腐蚀之间可以调整膨胀腐蚀的程度。
def threshold_method(binary, n, value):h, w gray.shapem int((n - 1) / 2)th_image np.zeros((h, w))for i in range(m, h - m):for j in range(m, w - m):temp binary[i - 1, j - 1] binary[i - 1, j] binary[i - 1, j 1] \binary[i, j - 1] binary[i, j] binary[i, j 1] binary[i 1, j - 1] \binary[i 1, j] binary[i 1, j 1]if temp value:th_image[i, j] 1else:th_image[i, j] 0return th_imageerosion_image bin_erosion(bin_image, 3)
dialtion_image bin_dialtion(bin_image, 3)
th_image threshold_method(bin_image, 3, 8)
fig plt.figure(figsize(8, 8))
ax fig.add_subplot(2, 2, 1)
ax.set_title(bin image)
ax.set_xlabel(width)
ax.set_ylabel(height)
plt.imshow(bin_image, cmapgray)
ax fig.add_subplot(2, 2, 2)
ax.set_title(erosion image)
ax.set_xlabel(width)
ax.set_ylabel(height)
plt.imshow(erosion_image, cmapgray)
ax fig.add_subplot(2, 2, 3)
ax.set_title(dialtion image)
ax.set_xlabel(width)
ax.set_ylabel(height)
plt.imshow(dialtion_image, cmapgray)
ax fig.add_subplot(2, 2, 4)
ax.set_title(threshold image)
ax.set_xlabel(width)
ax.set_ylabel(height)
plt.imshow(th_image, cmapgray)画图结果如下。 五、FPGA实现腐蚀算法
module ycbcr_to_erosion
(input wire vga_clk ,//vga时钟input wire sys_rst_n ,//复位信号input wire [7:0] y_data ,//灰度处理的图像像素input wire rgb_valid ,//vga显示有效区域output wire [15:0] erosion_data //二值化像素
);
//binary data
wire [7: 0] bin_data;//shift ram
wire [7:0] data_row1 ;
wire [7:0] data_row2 ;
wire [7:0] data_row3 ;
//3*3像素数据
reg [7:0] p11 ;
reg [7:0] p12 ;
reg [7:0] p13 ;
reg [7:0] p21 ;
reg [7:0] p22 ;
reg [7:0] p23 ;
reg [7:0] p31 ;
reg [7:0] p32 ;
reg [7:0] p33 ;wire [7:0] temp ;
//Y值有效信号
reg y_valid ;
//二值化
assign bin_data (y_data 8d128) ? 8d255: 8d0;
assign data_row3 bin_data ;
//腐蚀
assign temp (p11 p12 p13 p21 p22 p23 p31 p32 p33);
//像素拼接565
assign erosion_data {temp[7:3], temp[7:2], temp[7:3]};
always(posedge vga_clk or negedge sys_rst_n) if(sys_rst_n 1b0)y_valid 1b0 ;elsey_valid rgb_valid ;always(posedge vga_clk or negedge sys_rst_n)if(sys_rst_n 1b0)begin{p11,p12,p13} 24d0 ;{p21,p22,p23} 24d0 ;{p31,p32,p33} 24d0 ;endelse if(y_valid 1b1)begin{p11,p12,p13} {p12,p13,data_row1} ;{p21,p22,p23} {p22,p23,data_row2} ;{p31,p32,p33} {p32,p33,data_row3} ;end elsebegin{p11,p12,p13} 24d0 ;{p21,p22,p23} 24d0 ;{p31,p32,p33} 24d0 ;end
//移位寄存器
shift_ram_gen shift_ram_gen_inst
(.clock (vga_clk ),.shiftin (data_row3 ),.shiftout ( ),.taps0x (data_row2 ),.taps1x (data_row1 )
);endmoduleFPGA实现中只讲解腐蚀算法膨胀算法及阈值算法感兴趣的小伙伴可以自行实现非常easy。
总结 膨胀腐蚀算法图像处理中常用的算法有必要掌握。虽然简单还是需要自己去实现写多了也就顺了。下期帧差法。帧差法只做Python不做FPGA为什么下期揭晓答案。
