OpenCV中的图像形态学转换
2024-10-03 11:11:12
两个基本的形态学操作是腐蚀和膨胀。他们的变化构成了开运算,闭运算,梯度等。下面以这张图为例
1.腐蚀
这个操作会把前景物体的边界腐蚀掉。
import cv2
import numpy as np img = cv2.imread('D:/Test/j.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
cv2.imshow('img',img)
cv2.imshow('result',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()
左边是腐蚀之后的图像,右边是原图像。
2.膨胀
import cv2
import numpy as np img = cv2.imread('D:/Test/j.png',0)
kernel = np.ones((5,5),np.uint8)
dilation = cv2.dilate(img,kernel,iterations = 1)
cv2.imshow('img',img)
cv2.imshow('result',dilation)
cv2.waitKey(0)
cv2.destroyAllWindows()
左边是膨胀之后的图像,右边是原图像。
3.开运算
先进性腐蚀再进行膨胀就叫做开运算,它被用来去除噪声。这里我们用到的函数是 cv2.morphologyEx()。
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
4.闭运算
先膨胀再腐蚀。它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)
5. 形态学梯度
其实就是一幅图像膨胀与腐蚀的差别。结果看上去就像前景物体的轮廓。
import cv2
import numpy as np
img = cv2.imread('D:/Test/j.png',0)
kernel = np.ones((5,5),np.uint8)
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
cv2.imshow('img',img)
cv2.imshow('result',gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()
左边是梯度之后的图像,右边是原图像。
6.礼帽
原始图像与进行开运算之后得到的图像的差。
import cv2
import numpy as np
img = cv2.imread('D:/Test/j.png',0)
kernel = np.ones((5,5),np.uint8)
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('img',img)
cv2.imshow('result',tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果:
7.黑帽
进行闭运算之后得到的图像与原始图像的差。
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
最新文章
- vue 配置文件详解
- sublime text 3 使用方法
- Boostrap
- django初始
- hdu 4041 2011北京赛区网络赛B 搜索 ***
- (zz) 谷歌技术";三宝";之BigTable
- Java 或者android 的加密技术
- 重新想象 Windows 8 Store Apps (36) - 通知: Tile 详解
- JS脚本语言里的循环
- PHP中$_FILES的使用及注意事项
- 【转】利用DCC32实现命令行批量编译
- Java并发编程-volatile
- Making your local server accessible from anywhere
- [Leetcode][Python]44:Wildcard Matching
- 【Spring 核心】装配Bean(一) 自动化装配
- 把项目放到码云上,通过git 进行项目管理
- 如何在一个项目中同时包含mvc建站、webapi接口
- Eclipse中JRE(unbound)问题的一种解决方法
- 自然语言处理工具:中文 word2vec 开源项目,教程,数据集
- [Unity优化]批处理02:动态批处理