OpenCV 形态学操作之腐蚀与膨胀,开运算与闭运算,顶帽与黑帽,图像梯度运算相关知识点回顾

·  阅读 533

小知识,大挑战!本文正在参与「程序员必备小知识」创作活动

本文已参与 「掘力星计划」 ,赢取创作大礼包,挑战创作激励金。

Python OpenCV 365 天学习计划,与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 45 篇。

基础知识铺垫

今天咱们对 OpenCV 形态学操作进行一下回顾,在之前的博客中已经进行了首次学习,如果你还没有看到,可以翻阅本篇博客,当然还有这篇博客后面的那篇博客。

腐蚀与膨胀

先上结论,腐蚀就是吃掉边缘,膨胀就是扩展边缘。

这次测试前,橡皮擦提前准备了一张图片,测试起来就方便多了,下图的亮点是漂亮(注意这个图的背景色是纯白色)。

OpenCV 形态学操作之腐蚀与膨胀,开运算与闭运算,顶帽与黑帽,图像梯度运算相关知识点回顾

对其进行腐蚀操作的代码是:

import cv2 as cv
import numpy as np
src = cv.imread("./t2.png")
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

# 二值化
ret, thresh = cv.threshold(gray, 127, 255, cv.THRESH_BINARY)
# 腐蚀
kernel = np.ones((5, 5), np.uint8)
dst = cv.erode(thresh, kernel=kernel)

cv.imshow("dst", dst)
cv.waitKey(0)
cv.destroyAllWindows()
复制代码

运行时候,发现文字加粗加黑了,这里要记住,腐蚀是把白色像素吃掉,黑色像素区域越来越多。 OpenCV 形态学操作之腐蚀与膨胀,开运算与闭运算,顶帽与黑帽,图像梯度运算相关知识点回顾 如果我们只是单纯的想要去掉原图中的细线,在做二值化的时候,注意反向操作,修改代码如下:

# 二值化
ret, thresh = cv.threshold(gray, 127, 255, cv.THRESH_BINARY_INV)
# 腐蚀
kernel = np.ones((3, 3), np.uint8)
dst = cv.erode(thresh, kernel=kernel)
复制代码

卷积核调小一些,要不主要的文字都给腐蚀掉了。 OpenCV 形态学操作之腐蚀与膨胀,开运算与闭运算,顶帽与黑帽,图像梯度运算相关知识点回顾 膨胀操作,让白色像素区域变多。

import cv2 as cv
import numpy as np
src = cv.imread("./t2.png")
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

# 二值化
ret, thresh = cv.threshold(gray, 127, 255, cv.THRESH_BINARY_INV)
# 腐蚀
kernel = np.ones((3, 2), np.uint8)
dst1 = cv.erode(thresh, kernel=kernel)
# 膨胀
dst2 = cv.dilate(dst1, kernel=kernel)

image = np.vstack((dst1,dst2))
cv.imshow("image", image)
cv.waitKey(0)
cv.destroyAllWindows()
复制代码

OpenCV 形态学操作之腐蚀与膨胀,开运算与闭运算,顶帽与黑帽,图像梯度运算相关知识点回顾

开闭操作

开运算与闭运算就是将腐蚀与膨胀合并到了一个函数中,详细说明在橡皮擦的博客 也有说明。

我们可以应用 cv2.morphologyEx 函数解决开闭运算,后面的顶帽与黑帽也是应用该函数。

不断的进行开运算,会看到黑色的区域一点点的被腐蚀掉了,白色区域逐渐扩大,因为开运算时先腐蚀后膨胀。

# 开操作
kernel = np.ones((3, 3), np.uint8)
dst1 = cv.morphologyEx(thresh, cv.MORPH_OPEN, kernel,iterations=1)
dst2 = cv.morphologyEx(thresh, cv.MORPH_OPEN, kernel,iterations=2)
dst5 = cv.morphologyEx(thresh, cv.MORPH_OPEN, kernel,iterations=5)
dst10 = cv.morphologyEx(thresh, cv.MORPH_OPEN, kernel,iterations=10)

image = np.hstack((dst1,dst2,dst5,dst10))
复制代码

OpenCV 形态学操作之腐蚀与膨胀,开运算与闭运算,顶帽与黑帽,图像梯度运算相关知识点回顾

闭运算结果,黑色区域逐渐扩大。

OpenCV 形态学操作之腐蚀与膨胀,开运算与闭运算,顶帽与黑帽,图像梯度运算相关知识点回顾

顶帽与黑帽

顶帽也叫做礼帽 顶帽:原图像与开运算结果图之差 黑帽:闭运算结果图与原图像之差

这个地方细琢磨就有趣了,开运算结果可以去除噪声,顶帽是用原图像减去开运算结果,那岂不是为了获取噪声?实际测试之后还真就得到了噪声。

# 开操作
kernel = np.ones((3, 3), np.uint8)
open_img = cv.morphologyEx(thresh, cv.MORPH_OPEN, kernel, iterations=1)


# 顶帽运算
dst = cv.morphologyEx(thresh, cv.MORPH_TOPHAT, kernel)
image = np.hstack((gray, open_img, dst))
复制代码

OpenCV 形态学操作之腐蚀与膨胀,开运算与闭运算,顶帽与黑帽,图像梯度运算相关知识点回顾

黑帽操作,得到图像内部的小孔,或前景色的小黑点,下面的图像中在白色星星中可以获取一个笑脸,即前景色中的小黑点。

# 闭运算
kernel = np.ones((5, 5), np.uint8)
close_img = cv.morphologyEx(thresh, cv.MORPH_CLOSE, kernel, iterations=1)

# 黑帽运算
dst = cv.morphologyEx(thresh, cv.MORPH_BLACKHAT, kernel)
image = np.hstack((gray, close_img, dst))
cv.imshow("image", image)
复制代码

OpenCV 形态学操作之腐蚀与膨胀,开运算与闭运算,顶帽与黑帽,图像梯度运算相关知识点回顾

形态学梯度(Gradient)

简单说就是用膨胀之后的图像,减去腐蚀后的图像,得到的就是梯度图像。形态学梯度的处理结果是图像中物体的边界。

kernel = np.ones((5, 5), np.uint8)
# 闭运算
close_img = cv.morphologyEx(thresh, cv.MORPH_CLOSE, kernel, iterations=1)
# 开运算
open_img = cv.morphologyEx(thresh, cv.MORPH_OPEN, kernel, iterations=1)
# 梯度运算
result = cv.morphologyEx(thresh, cv.MORPH_GRADIENT, kernel, iterations=1)
复制代码

OpenCV 形态学操作之腐蚀与膨胀,开运算与闭运算,顶帽与黑帽,图像梯度运算相关知识点回顾

橡皮擦的小节

希望今天的 1 个小时你有所收获,我们下篇博客见~

分类:
后端
标签:
收藏成功!
已添加到「」, 点击更改