OpenCV Python 17 形態學轉換

目標

• 學習不同的形態學操作，例如腐蝕，膨脹，開運算，閉運算等

• 我們要學習的函式有：cv2.erode()，cv2.dilate()，cv2.morphologyex()

等原理

形態學操作是根據影象形狀進行的簡單操作。一般情況下對二值化影象進行的操作。需要輸入兩個引數，乙個是原始影象，第二個被稱為結構化元素或核，它是用來決定操作的性質的。兩個基本的形態學操作是腐蝕和膨脹。他們的變體構成了開運算，閉運算，梯度等。我們會以下圖為例逐一介紹它們。

就像土壤侵蝕一樣，這個操作會把前景物體的邊界腐蝕掉（但是前景仍然是白色）。這是怎麼做到的呢？卷積核沿著影象滑動，如果與卷積核對應的原影象的所有畫素值都是 1，那麼中心元素就保持原來的畫素值，否則就變為零。

這會產生什麼影響呢？根據卷積核的大小靠近前景的所有畫素都會被腐蝕掉（變為 0），所以前景物體會變小，整幅影象的白色區域會減少。這對於去除白雜訊很有用，也可以用來斷開兩個連在一塊的物體等。

這裡我們有乙個例子，使用乙個 5x5 的卷積核，其中所有的值都是以。讓我們看看他是如何工作的：

import cv2
import numpy as np
img = cv2.imread('j.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)

結果：

與腐蝕相反，與卷積核對應的原影象的畫素值中只要有乙個是 1，中心元素的畫素值就是 1。所以這個操作會增加影象中的白色區域（前景）。一般在去雜訊時先用腐蝕再用膨脹。因為腐蝕在去掉白雜訊的同時，也會使前景物件變小。所以我們再對他進行膨脹。這時雜訊已經被去除了，不會再回來了，但是前景還在並會增加。膨脹也可以用來連線兩個分開的物體。

dilation = cv2.dilate(img,kernel,iterations = 1)

結果：

先進性腐蝕再進行膨脹就叫做開運算。就像我們上面介紹的那樣，它被用來去除雜訊。這裡我們用到的函式是 cv2.morphologyex()。

opening = cv2.morphologyex(img, cv2.morph_open, kernel)

結果：

先膨脹再腐蝕。它經常被用來填充前景物體中的小洞，或者前景物體上的小黑點。

closing = cv2.morphologyex(img, cv2.morph_close, kernel)

結果：

其實就是一幅影象膨脹與腐蝕的差別。

結果看上去就像前景物體的輪廓。

gradient = cv2.morphologyex(img, cv2.morph_gradient, kernel)

結果：

原始影象與進行開運算之後得到的影象的差。下面的例子是用乙個 9x9 的核進行禮帽操作的結果。

tophat = cv2.morphologyex(img, cv2.morph_tophat, kernel)

結果：

進行閉運算之後得到的影象與原始影象的差。

tophat = cv2.morphologyex(img, cv2.morph_tophat, kernel)

結果：

結構化元素

在前面的例子中我們使用 numpy 構建了結構化元素，它是正方形的。但有時我們需要構建乙個橢圓形/圓形的核。為了實現這種要求，提供了 opencv函式 cv2.getstructuringelement()。你只需要告訴他你需要的核的形狀和大小。

OpenCV Python 17 形態學轉換

nefuoj 17 數字三角形

17 數字三角形初入dp

第17周專案2 引用做形參

OpenCV Python 17 形態學轉換

nefuoj 17 數字三角形

17 數字三角形 初入dp

第17周專案2 引用做形參

相關推薦

17 數字三角形初入dp