OpenCV学习之图像形态学处理详解

更新时间：2023年02月15日 15:19:25 作者：双子座断点

这篇文章主要为大家详细介绍了OpenCV中图像形态学处理的相关知识，例如：腐蚀操作、膨胀操作、开闭运算、梯度运算、Top Hat Black Hat运算等操作，需要的可以参考一下

1.腐蚀操作

从下面代码中可以看到有三幅腐蚀程度不同的图，腐蚀越严重像素就越模糊

import cv2
import numpy as np
from numpy import unicode
 
if __name__ == '__main__':
    img1 = cv2.imread("D:/Jupyter_Notebooks/0.jpg")  # 读取彩色图像(BGR)
    kernel = np.ones((3, 3), np.uint8)
    erosion = cv2.erode(img1, kernel)
    cv2.imshow("img1", erosion)  # 显示叠加图像 dst
 
    img2 = cv2.imread("D:/Jupyter_Notebooks/0.jpg")  # 读取彩色图像(BGR)
    kernel = np.ones((10, 10), np.uint8)
    erosion_1 = cv2.erode(img2, kernel)
    cv2.imshow('erosion_1', erosion_1)
 
    img3 = cv2.imread("D:/Jupyter_Notebooks/0.jpg")  # 读取彩色图像(BGR)
    kernel = np.ones((30, 30), np.uint8)
    erosion_2 = cv2.erode(img3, kernel)
    cv2.imshow('erosion_2', erosion_2)
 
    cv2.waitKey(0)
    cv2.destroyAllWindows()

binary_img = np.array([ [0, 0, 0, 0, 0],
                        [0,255,255,255,0],
                        [0,255,255,255,0],
                        [0,255,255,255,0],
                        [0, 0, 0, 0, 0]],np.uint8)
ones((3,3),np.uint8)
 
[[  0   0   0   0   0]
 [  0   0   0   0   0]
 [  0   0 255   0   0]
 [  0   0   0   0   0]
 [  0   0   0   0   0]]

通过上面的例子发现，经过3x3的kernel之后，最终只保留了中心的255像素，周边的255都变成了0。在进行腐蚀操作的时候，就是通过kernel大小的卷积在原图像上滑动，只有当kernel范围内的像素全为255时输出才为255，否则输出为0，所以kernel越大最终白色像素保留的会越少。

2.膨胀操作

图像经过膨胀之后，白色像素的范围变大了。在做膨胀的时候，只要当kernel范围内的像素有255时输出就为255。

3.开闭运算

开运算其实就是先通过腐蚀操作后面再进行膨胀，闭运算和开运算恰好相反先通过膨胀操作后面再进行腐蚀。

import cv2
import numpy as np
from numpy import unicode
 
if __name__ == '__main__':
    img1 = cv2.imread("D:/Jupyter_Notebooks/0.jpg")  # 读取彩色图像(BGR)
    # 定义kernel
    kernel = np.ones((3, 3), np.uint8)
    # 开运算
    open_img = cv2.morphologyEx(img1, cv2.MORPH_OPEN, kernel)
    # 闭运算
    close_img = cv2.morphologyEx(img1, cv2.MORPH_CLOSE, kernel)
 
 
    cv2.imshow("open_img", open_img)  # 显示叠加图像 dst
    cv2.imshow("close_img", close_img)  # 显示叠加图像 dst
 
    cv2.waitKey(0)
    cv2.destroyAllWindows()

4.梯度运算

梯度运算等价于膨胀运算-腐蚀运算梯度运算主要是用来保留图像的轮廓

5.Top Hat Black Hat运算

Top Hat运算等价于原始图像 - 开运算，Black Hat运算等价于闭运算 - 原始图像

形态学Top-Hat变换是指形态学顶帽操作与黑帽操作，前者是计算源图像与开运算结果图之差，后者是计算闭运算结果与源图像之差。

形态学Top-Hat变换是常用的一种滤波手段，具有高通滤波的某部分特性，可实现在图像中检测出周围背景亮结构或周边背景暗结构。

顶帽操作常用于检测图像中的峰结构。

黑帽操作常用于检测图像中的波谷结构。

import cv2
import numpy as np
from numpy import unicode
 
if __name__ == '__main__':
    img1 = cv2.imread("D:/Jupyter_Notebooks/0.jpg")  # 读取彩色图像(BGR)
    # 定义kernel
    kernel = np.ones((3, 3), np.uint8)
    tophat_img = cv2.morphologyEx(img1, cv2.MORPH_TOPHAT, kernel)
    blackhat_img = cv2.morphologyEx(img1, cv2.MORPH_BLACKHAT, kernel)
 
 
    cv2.imshow("tophat_img", tophat_img)  # 显示叠加图像 dst
    cv2.imshow("blackhat_img", blackhat_img)  # 显示叠加图像 dst
 
    cv2.waitKey(0)
    cv2.destroyAllWindows()

以上就是OpenCV学习之图像形态学处理详解的详细内容，更多关于OpenCV图像形态学处理的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

机器学习的框架偏向于Python的13个原因
这篇文章主要为大家详细介绍了机器学习的框架偏向于Python的13个原因，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2017-12-12
Python的函数使用详解
大家好，本篇文章主要讲的是Python的函数使用详解，感兴趣的同学赶快来看一看吧，对你有帮助的话记得收藏一下，方便下次浏览
2021-12-12
基于Python编写词云软件并显示分词结果
这篇文章主要为大家详细介绍了如何基于Python编写一个简单的词云制作软件并显示分词结果,文中的示例代码讲解详细,具有一定的学习价值,感兴趣的小伙伴可以了解一下
2023-10-10
python基于Selenium的web自动化框架
这篇文章主要介绍了python基于Selenium的web自动化框架，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2019-07-07
20个常用Python运维库和模块
本篇文章给大家整理了20个最常用Python运维中用到的库和模块，希望我们整理的内容对大家有所帮助。
2018-02-02
Python django中如何使用restful框架
今天给大家带来的是关于Python框架的相关知识,文章围绕着django中restful框架的使用展开,文中有非常详细的介绍及代码示例,需要的朋友可以参考下
2021-06-06
Python基于辗转相除法求解最大公约数的方法示例
这篇文章主要介绍了Python基于辗转相除法求解最大公约数的方法,结合实例形式分析了Python使用辗转相除法求解最大公约数的实现方法与优化操作技巧,需要的朋友可以参考下
2018-04-04
Django处理枚举(枚举模型)及source的使用
本文主要介绍了Django处理枚举(枚举模型)及source的使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
2024-04-04
python实现Excel文件转换为TXT文件
这篇文章主要为大家详细介绍了python实现Excel文件转换为TXT文件，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2019-04-04
Python SQLite3简介
这篇文章主要为大家详细介绍了Python SQLite3的简单介绍以及使用方法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-02-02