【图像处理与识别实验】—— 高斯模糊处理、图像形态处理、形态学操作处理阈值化图像

 

主要方法：

高斯模糊处理、图像形态处理、形态学操作处理阈值化图像。

图像处理与识别 实验内容：

(1) 如图1-9 所示，将一幅图像进行高斯模糊处理。随着σ 的增加，绘制出图像轮廓。在绘制出的图中，图像的轮廓有何变化？

原图如下：

 

生成图像：

 

代码：

# ch01_fig1-9~.py
# -*- coding: utf-8 -*-
from PIL import Image
from pylab import *
from scipy.ndimage import filters

# 添加中文字体支持
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc", size=14)

#im = array(Image.open('board.jpeg'))
im = array(Image.open('empire.jpg').convert('L'))
figure()
gray()
axis('off')
subplot(1, 4, 1)
axis('off')
title(u'原图', fontproperties=font)
imshow(im)

# for bi, blur in enumerate([2, 5, 10]):
# im2 = zeros(im.shape)
# im2 = filters.gaussian_filter(im, blur)
# im2 = np.uint8(im2)
# imNum=str(blur)
# subplot(1, 4, 2 + bi)
# axis('off')
# title(u'标准差为'+imNum, fontproperties=font)
# imshow(im2)
# 如果是彩色图像，则分别对三个通道进行模糊

 


for bi, blur in enumerate([2, 5, 10]):
 im2 = zeros(im.shape)
 for i in range(3):
   im2[:, :, i] = filters.gaussian_filter(im[:, :, i], blur)
 im2 = np.uint8(im2)
 subplot(1, 4,  2 + bi)
 axis('off')
 imshow(im2)

show()

(2) 使用图像梯度，编写一个在图像中获得简单物体（例如，白色背景中的矩形、圆形、菱形），用边界框（bounding box）标出物体。

原图如下：

 

 

 

生成图像：

 

代码：

from PIL import Image
from numpy import *
from scipy.ndimage import filters
import matplotlib.pyplot as plt

im = array(Image.open('4.png').convert('L'), 'f')
# Sobel 导数滤波器
imx = zeros(im.shape)
filters.sobel(im, 1, imx)
imy = zeros(im.shape)
filters.sobel(im, 0, imy)
magnitude = sqrt(imx ** 3 + imy ** 3)

plt.figure("imx")
plt.imshow(imx, cmap='gray')

plt.figure("imy")
plt.imshow(imy, cmap='gray')

plt.figure("magnitude")
plt.imshow(magnitude, cmap='gray')

plt.figure("imximx")
plt.contour(imx, origin='image')
plt.figure("imyimy")
plt.contour(imy, origin='image')
plt.figure("magnitudemagnitude")
plt.contour(magnitude, origin='image')
plt.show()

 

(3) 使用形态学操作处理阈值化图像，使用morphology 模块里面的center_of_mass() 函数寻找每个物体的中心坐标，将其在图像中绘制出来。

原图如下：

 

生成图像：

 

代码如下：

from PIL import Image
from numpy import *
from pylab import *
from scipy.ndimage import measurements,morphology,label

im=array(Image.open('empire.png').convert('L'))
im=1*(im<128)

#载入图像，然后使用阈值化操作，以保证处理的图像为二值图像
im_open=morphology.binary_opening(im,ones((5,5)),iterations=2)

labels_open,nbr_objects_open=measurements.label(im_open)

#求出每个物体中心点坐标
a=measurements.center_of_mass(im_open,labels_open,[i+1 for i in range(nbr_objects_open)])

figure()
gray()
imshow(im_open)

#在图像中把中心点绘制出来
plot([p[1] for p in a],[p[0] for p in a],'r*')

show()