[Python图像处理]八.图像腐蚀和图像膨胀
图像腐蚀
1.基础理论
形态学转换主要针对的是二值图像(0/1)图像类似于领域被蚕食,将图像中的高亮区域白色部分进行缩减细化,其运行结果图比原图的高亮区域更小。主要包括两个输入对对象: 二值图像,卷积核(卷积核是腐蚀中的关键数组,采用numpy库组成)卷积核的中心点逐个像素扫描原始图像。
被扫描到的原始图像中的像素点,只有当卷积核对应的元素值均为1时,其值才为1,否则其值修改为0。换句话说,遍历到的黄色点位置,其周围全部是白色,保留白色,否则变为黑色,图像腐蚀变小。
函数原型: 主要是用erode函数,dst = cv2.erode(src, kernel, iternations) 参数dst表示处理的结果,src表示原图像,kernel表示卷积核,iternations表示迭代的次数,默认是1.例如 5*5的卷积核,采用函数np.ones((5, 5), np.uint8)构建。
代码如下:
import cv2 import numpy as np src = cv2.imread("1.jpg", cv2.IMREAD_UNCHANGED) kernel = np.ones((5, 5), np.uint8) erosion = cv2.erode(src, kernel) cv2.imshow("src", src) cv2.imshow("result",erode) if cv2.waitKey() == 27: cv2.destroyAllWindows()
图像膨胀
1.基础理论
图像膨胀是腐蚀操作的逆操作,类似于领域扩张,将图像中的高亮区域或白色部分进行扩张,其运行效果图比原图的高亮区域更大,线条变粗了,主要用于去噪
图像被腐蚀后,去掉了噪声,但是会压缩图像
对腐蚀过的图像进行膨胀处理,可以去除噪声,并且保持原有形状
卷积核是腐蚀中的关键数组,采用numpy库可以生成。卷积核的中心点逐个像素扫描原始图像,被扫描到的原始图像中的像素点,当卷积核对应的元素值只要有一个为1时,其值就为1,否则为0。
图像膨胀主要是用dilate函数,dst = cv2.dilate(src, kernel, iternations)
代码如下:
import cv2 import numpy as np src = cv2.imread("1.jpg", cv2.IMREAD_UNCHANGED) kernel = np.ones((5, 5), np.uint8) dilate= cv2.dilate(src, kernel,5) cv2.imshow("src", src) cv2.imshow("result",dilate) if cv2.waitKey() == 27: cv2.destroyAllWindows()
图像去噪通常需要先腐蚀后膨胀,又称为开运算
erosion = cv2.erode(src, kernel)
result= cv2.dilate(erosion, kernel)
转自:https://blog.csdn.net/Eastmount/article/details/83581277