形态学变换¶
膨胀与腐蚀¶
形态学变化是基于图像形状的一些简单操作。操作对象一般是二值图像,需要两个输入,一个是我们的原图,另一个是3x3的结构元素(内核),决定了膨胀操作的本质。常见的操作是图像的膨胀和腐蚀。以及他们的进阶操作注入Opening、Closing、Gradient等等。(参考)
结构元素的形状
MORPH_RECT | 矩形 |
---|---|
MORPH_ELLIPSE | 椭圆形 |
MORPH_CROSS | 十字型 |
膨胀Dilation¶
跟卷积操作非常类似.有图像A和3x3的结构元素,结构元素在A上进行滑动.计算结构元素在A上覆盖的最大像素值来替换当前结构元素对应的正中间的元素
膨胀的作用:
- 对象边缘增加一个像素
- 使对象边缘平滑
- 减少了对象与对象之间的距离
示例代码
/**
* 膨胀: 用内核中最大的值填充当前像素点的值
*/
import cv2 as cv
src = cv.imread("../img/morph-closing.jpg",cv.IMREAD_GRAYSCALE)
cv.imshow("src",src)
kernel = cv.getStructuringElement(cv.MORPH_RECT,(5,5))
dst = cv.dilate(src,kernel)
cv.imshow("dst",dst)
cv.waitKey()
腐蚀Erosion¶
腐蚀和膨胀过程类似,唯一不同的是以覆盖的最小值替换当前的像素值
侵蚀的作用:
- 对象边缘减少一个像素
- 对象边缘平滑
- 弱化了对象与对象之间连接
示例代码
/**
* 腐蚀: 用内核覆盖的最小像素值替换当前像素值
*/
import cv2 as cv
src = cv.imread("../img/morph-j.jpg",cv.IMREAD_GRAYSCALE)
cv.imshow("src",src)
kernel = cv.getStructuringElement(cv.MORPH_RECT,(5,5))
dst = cv.erode(src,kernel)
cv.imshow("dst",dst)
cv.waitKey()
开操作Opening¶
先腐蚀,后膨胀,主要应用在二值图像或灰度图像
先腐蚀: 让当前窗口中最小的颜色值替换当前颜色值
后膨胀: 让当前窗口中最大的颜色值替换当前颜色值
作用:
- 一般用于消除小的干扰或噪点(验证码图的干扰线)
- 可以通过此操作配合结构元素,提取图像的横线和竖线
示例代码
/**
* 开操作: 先腐蚀,再膨胀
*/
import cv2 as cv
src = cv.imread("../img/morph-opening.jpg",cv.IMREAD_GRAYSCALE)
cv.imshow("src",src)
kernel = cv.getStructuringElement(cv.MORPH_RECT,(5,5))
dst = cv.morphologyEx(src,cv.MORPH_OPEN,kernel)
cv.imshow("dst",dst)
cv.waitKey()
去除验证码上面的干扰线¶
闭操作Closing¶
先膨胀,后侵蚀
一般用于填充内部缝隙
示例代码
/**
* 先膨胀再腐蚀
*/
import cv2 as cv
src = cv.imread("../img/morph-closing.jpg",cv.IMREAD_GRAYSCALE)
cv.imshow("src",src)
kernel = cv.getStructuringElement(cv.MORPH_RECT,(5,5))
dst = cv.morphologyEx(src,cv.MORPH_CLOSE,kernel)
cv.imshow("dst",dst)
cv.waitKey()
小结¶
形态学变换中还有一些其它的变换,大家可以自行尝试查看执行效果
开运算
先对图像腐蚀,再膨胀
dst=open(src,element)=dilate(erode(src,element))
闭运算
先膨胀再腐蚀
dst=close(src,element)=erode(dilate(src,element))
形态梯度
膨胀图和腐蚀图之差
dst=morph_grad(src,element)=dilate(src,element)−erode(src,element)
顶冒
原图和开运算图之差
dst=tophat(src,element)=src−open(src,element)
黑冒
闭运算结果和原图之差
dst=blackhat(src,element)=close(src,element)−src