当前位置：首页 > article >正文

深度学习-OpenCv的运用（4）

article 2024/11/14 3:53:30

文章目录

一、图像形态学
二、图像形态学的基本概念
三、形态学操作的主要类型
四、代码实现
- 1.图像腐蚀
- 2.图像膨胀
- 3.开运算-先腐蚀后膨胀
- 4.闭运算-先膨胀后腐蚀
- 5.梯度运算
- 6.顶帽与黑帽
五、总结

一、图像形态学

图像形态学是数学中研究形状、结构和变换的一个分支，在图像处理领域，它主要用于描述和分析图像中的形状和结构。图像形态学通过操作图像中的形状和结构元素（也称为内核或模板），来实现图像的分析、增强、去噪和特征提取等目的。这一领域为计算机视觉、图像识别和医学图像处理等领域提供了强大的工具和方法。

二、图像形态学的基本概念

结构元素（Structuring Element）：结构元素是形态学操作的基本组成部分，它定义了形态学操作的形状和大小。通常是一个小的矩形、圆形或其他形状的核。在腐蚀和膨胀等操作中，结构元素在图像上滑动并与图像进行匹配，用来确定操作的范围。
腐蚀（Erosion）：腐蚀是一种形态学操作，它通过结构元素对图像进行局部最小值滤波，使图像中边界部分逐渐缩小。腐蚀操作可以用于去除图像中的噪声、分割物体等。
膨胀（Dilation）：膨胀是一种形态学操作，它通过结构元素对图像进行局部最大值滤波，使图像中的边界部分逐渐扩张。膨胀操作可以用于填充图像中的空洞、连接物体等。

三、形态学操作的主要类型

腐蚀（Erosion）：
- 原理：使用结构元素在图像上滑动，只有当结构元素范围内的像素全部满足条件（如全为前景色）时，中心像素才保持不变，否则被置为背景色。
- 应用：消除小型噪声、分离接触对象、细化物体边缘等。
膨胀（Dilation）：
- 原理：使用结构元素在图像上滑动，只要结构元素与图像中的任何一个像素相交，中心像素就被设置为前景色。
- 应用：填充图像中的空洞、连接相邻的对象、消除图像中的小黑点等。
开运算（Opening）：
- 定义：先进行腐蚀操作，再进行膨胀操作的组合。
- 应用：消除小型噪声、平滑较大物体的边界而不明显改变其面积。
闭运算（Closing）：
- 定义：先进行膨胀操作，再进行腐蚀操作的组合。
- 应用：填充物体间的小空洞、连接邻近的断裂物体等。
形态学梯度（Morphological Gradient）：
- 定义：膨胀图像与腐蚀图像的差异，用于检测图像中的边缘和轮廓。
顶帽运算（Top Hat）与底黑帽运算（Black Hat）：
- 顶帽运算是原始图像与开运算之间的差异，用于提取比原始图像更亮的区域。
- 黑帽运算是闭运算与原始图像之间的差异，用于提取比原始图像更暗的区域。

四、代码实现

1.图像腐蚀

import cv2
import numpy as np
sun = cv2.imread('sun.png')
cv2.imshow('a', sun)
cv2.waitKey(0)

kernel = np.ones((5, 5), np.uint8) #设置kenenel大小
erosion_1 = cv2.erode(sun, kernel, iterations=2) #kenenel大小默认为3*3 iterations默认为1
cv2.imshow('erosion_1', erosion_1)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码解释：设置了结构元素的大小为 5x5，并指定了腐蚀操作的迭代次数为 2。这意味着腐蚀操作将连续进行两次，每次都会使用5x5 的结构元素来减少图像中的亮区域。
显示结果：使用 cv2.imshow 来显示原始图像和腐蚀后的图像。
关闭窗口：在显示图像后，使用 cv2.waitKey(0)来等待用户按键。在 cv2.waitKey(0) 之后，调用cv2.destroyAllWindows() 来关闭所有 OpenCV 创建的窗口。

2.图像膨胀

import cv2
import numpy as np
wenzi = cv2.imread('word.png')
cv2.imshow('b', wenzi)
cv2.waitKey(0)

kernel = np.ones((2, 2), np.uint8)
wenzi_new = cv2.dilate(wenzi, kernel, iterations=2)
cv2.imshow('wenzi-new', wenzi_new)
cv2.waitKey(0)
cv2.destroyAllWindows()

读取并显示文件：使用cv2.imread函数读取名为’word.png’的图像文件，并将其存储在变量wenzi中，显示图像，窗口标题为’b’，图像为wenzi 。
图像膨胀：创建一个2x2的结构元素，所有元素的值都设为1，这个结构元素将用于图像膨胀操作，使用cv2.dilate函数对wenzi图像进行两次膨胀操作。
显示图像：使用cv2.imshow函数显示膨胀后的图像，窗口标题为’wenzi-new’ ，最后关闭窗口。

3.开运算-先腐蚀后膨胀

import cv2
import numpy as np
zhiwen = cv2.imread('zhiwen1.png')
cv2.imshow('a1',zhiwen)
cv2.waitKey(0)

kernel = np.ones((2,2),np.uint8)
zhiwen_new = cv2.morphologyEx(zhiwen,cv2.MORPH_OPEN,kernel)
cv2.imshow('b1',zhiwen_new)
cv2.waitKey(0)
cv2.destroyAllWindows()

读取并显示文件：读取名为’zhiwen1.png’的图像文件，并将其存储在变量zhiwen中，使用cv2.imshow函数显示原始图像，窗口标题为’a1’ 。
开运算操作：创建一个2x2的结构元素，所有元素的值都设为1，使用cv2.morphologyEx函数对zhiwen图像进行形态学开运算。
显示图像：使用cv2.imshow函数显示形态学开运算后的图像，窗口标题为’b1’，关闭所有OpenCV创建的窗口。

4.闭运算-先膨胀后腐蚀

import cv2
import numpy as np
zhiwen = cv2.imread('zhiwen2.png')
cv2.imshow('a2',zhiwen)
cv2.waitKey(0)
kernel = np.ones((2,2),np.uint8)
zhiwen_new = cv2.morphologyEx(zhiwen,cv2.MORPH_OPEN,kernel)
cv2.imshow('b2',zhiwen_new)
cv2.waitKey(0)
cv2.destroyAllWindows()

读取图像：使用cv2.imread函数读取名为zhiwen2.png的图像文件，并将其存储在变量zhiwen中。使用cv2.imshow函数显示原始图像。第一个参数是窗口的标题，这里设置为’a2’，第二个参数是要显示的图像，即zhiwen。
闭运算操作：创建一个2x2的结构元素（或称为核），所有元素的值都设为1。这个结构元素将用于形态学操作。使用函数对zhiwen图像进行形态学闭运算。
显示图像：使用cv2.imshow函数显示形态学开运算后的图像。窗口标题设置为’b2’，关闭所有由OpenCV创建的窗口。

5.梯度运算

word = cv2.imread('word.png')
cv2.imshow('a',word)
cv2.waitKey(0)
kernel = np.ones((2,2),np.uint8)
#膨胀
pz_word = cv2.dilate(word,kernel,iterations=2)
cv2.imshow('b',pz_word)
cv2.waitKey(0)
#腐蚀
fs_word = cv2.erode(word,kernel,iterations=1)
cv2.imshow('c',fs_word)
cv2.waitKey(0)
# 膨胀-腐蚀
word_new = cv2.morphologyEx(word,cv2.MORPH_GRADIENT,kernel)
cv2.imshow('d',word_new)
cv2.waitKey(0)
cv2.destroyAllWindows()

膨胀操作（cv2.dilate）会扩大图像中的亮区域（或白色区域），通常用于增强前景物体或连接相邻的亮区域。
腐蚀操作（cv2.erode）会缩小图像中的亮区域，通常用于去除小的白噪声或前景物体上的小黑点。
形态学梯度（cv2.MORPH_GRADIENT）是膨胀后的图像与腐蚀后的图像之间的差异。它通常用于突出显示图像中物体的边缘，因为边缘区域在膨胀和腐蚀操作中会经历最大的变化。

6.顶帽与黑帽

sun = cv2.imread('sun.png')
cv2.imshow('a', sun)
cv2.waitKey(0)

kernel = np.ones((2, 2), np.uint8)
# 开运算
open_sun = cv2.morphologyEx(sun, cv2.MORPH_OPEN, kernel)
cv2.imshow('b', open_sun)
cv2.waitKey(0)
# 顶帽
tophat = cv2.morphologyEx(sun, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('c', tophat)
cv2.waitKey(0)

# 闭运算
close_sun = cv2.morphologyEx(sun, cv2.MORPH_CLOSE, kernel)
cv2.imshow('d', close_sun)
cv2.waitKey(0)
# 黑帽
blackhat = cv2.morphologyEx(sun, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('e', blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()

读取并显示图像：使用cv2.imread函数读取名为sun.png的图像文件，并将其存储在变量sun中。使用cv2.imshow函数在窗口中显示原始图像，窗口标题为’a’。
定义结构元素：创建一个2x2的结构元素（或称为核），所有元素的值都设为1，数据类型为np.uint8。这个结构元素将用于后续的形态学变换。
开运算：使用cv2.morphologyEx函数对图像进行开运算。开运算是先腐蚀后膨胀的过程，用于去除小的前景物体或噪声，同时保持前景物体的总体位置和形状不变。结果存储在open_sun中。使用cv2.imshow函数显示开运算后的图像，窗口标题为’b’。
顶帽变换：使用cv2.morphologyEx函数对图像进行顶帽变换。顶帽变换是原始图像与开运算结果之间的差异，用于分离比周围亮的区域，通常用于突出显示图像的亮区域或前景物体。结果存储在tophat中。使用cv2.imshow函数显示顶帽变换后的图像，窗口标题为’c’。
闭运算：使用cv2.morphologyEx函数对图像进行闭运算。闭运算是先膨胀后腐蚀的过程，用于填充前景物体内部的小孔或小黑点，同时保持前景物体的总体位置和形状不变。结果存储在close_sun中。使用cv2.imshow函数显示闭运算后的图像，窗口标题为’d’。
黑帽变换：使用cv2.morphologyEx函数对图像进行黑帽变换。黑帽变换是闭运算结果与原始图像之间的差异，用于分离比周围暗的区域，通常用于突出显示图像的暗区域或背景。结果存储在blackhat中。使用cv2.imshow函数显示黑帽变换后的图像，窗口标题为’e’。
关闭所有窗口：使用cv2.destroyAllWindows函数关闭所有由OpenCV创建的窗口。