我是靠谱客的博主 真实小懒虫,最近开发中收集的这篇文章主要介绍【形态学滤波】——python实现开运算、闭运算、形态学梯度、顶帽、黑帽一、几种运算之间的区别与特点二、几种操作的python实现以及效果三、内核设置,觉得挺不错的,现在分享给大家,希望可以做个参考。

概述

目录

一、几种运算之间的区别与特点

二、几种操作的python实现以及效果

1、开运算

2、闭运算

3、形态学梯度

4、顶帽

5、黑帽

三、内核设置

cv2.getStructuringElement()


一、几种运算之间的区别与特点

运算类型

操作

目的

开运算

先腐蚀再膨胀

可在纤细点出分离物体。有助于消除噪音

闭运算

先膨胀后腐蚀

用于排除前景对象中的小孔或对象上的小黑点

形态学梯度

膨胀图与腐蚀图之差

用于保留目标物体的边缘轮廓

顶帽

原图与开运算图之差

分离比邻近点亮的斑块,用于突出原图像中比周围亮的区域

黑帽

闭运算图-原图像

分离比邻近点暗的斑块,突出原图像中比周围暗的区域

 

二、几种操作的python实现以及效果

1、开运算

代码:

import cv2
import numpy as np
#读图
img = cv2.imread('F:/BYJC/image/img.jpg',0)
#设置核
kernel = np.ones((5,5),np.uint8)
#开运算
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

#显示效果
cv2.imshow('src',img)
cv2.imshow('result',opening)
cv2.waitKey()

效果:

2、闭运算

代码:

import cv2
import numpy as np
#读图
img = cv2.imread('F:/BYJC/image/img.jpg',0)
#设置核
kernel = np.ones((3,3),np.uint8)
#闭运算
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

#显示效果
cv2.imshow('src',img)
cv2.imshow('result',closing)
cv2.waitKey()

效果:

3、形态学梯度

代码:

import cv2
import numpy as np
#读图
img = cv2.imread('F:/BYJC/image/img1.jpg',0)
#设置核
kernel = np.ones((5,5),np.uint8)
#形态学梯度调用
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

#显示效果
cv2.imshow('src',img)
cv2.imshow('result',gradient)
cv2.waitKey()

效果:

4、顶帽

代码:

import cv2
import numpy as np
#读图
img = cv2.imread('F:/BYJC/image/img.jpg',0)
#设置核
kernel = np.ones((5,5),np.uint8)
#顶帽调用
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
#显示效果
cv2.imshow('src',img)
cv2.imshow('show',tophat)
cv2.waitKey()

效果:

5、黑帽

代码:

import cv2
import numpy as np
#读图
img = cv2.imread('F:/BYJC/image/img.jpg',0)
#设置核
kernel = np.ones((5,5),np.uint8)
#黑帽调用
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
#显示效果
cv2.imshow('src',img)
cv2.imshow('show',blackhat)
cv2.waitKey()

效果:

 

三、内核设置

cv2.getStructuringElement()

在实际的使用中,某些情况下,可能需要椭圆/圆形内核。 因此,OpenCV提供了一个函数cv2.getStructuringElement(),只需传递内核的形状和大小,即可获得所需的内核。

这个函数的第一个参数表示内核的形状,有三种形状可以选择:

矩形:MORPH_RECT;

交叉形:MORPH_CROSS;

椭圆形:MORPH_ELLIPSE;

第二和第三个参数分别是内核的尺寸以及锚点的位置。一般在调用erode以及dilate函数之前,先定义一个Mat类型的变量来获得函数的返回值: 对于锚点的位置,有默认值Point(-1,-1),表示锚点位于中心点。element形状唯一依赖锚点位置,其他情况下,锚点只是影响了形态学运算结果的偏移。

代码:

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(11,11))

 

最后

以上就是真实小懒虫为你收集整理的【形态学滤波】——python实现开运算、闭运算、形态学梯度、顶帽、黑帽一、几种运算之间的区别与特点二、几种操作的python实现以及效果三、内核设置的全部内容,希望文章能够帮你解决【形态学滤波】——python实现开运算、闭运算、形态学梯度、顶帽、黑帽一、几种运算之间的区别与特点二、几种操作的python实现以及效果三、内核设置所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(41)

评论列表共有 0 条评论

立即
投稿
返回
顶部