详解四种Python中基本形态学滤波的实现

 更新时间:2023年04月09日 09:05:18   作者:微小冷  
最基础的形态学操作有四个,分别是腐蚀、膨胀、开计算和闭计算。这篇文章主要介绍了这四种形态学滤波的实现,感兴趣的小伙伴可以跟随小编一起学习一下

最基础的形态学操作有四个,分别是腐蚀、膨胀、开计算和闭计算,`scipy.ndimage分别实现了二值数组和灰度数组的这四种运算

二值灰度
binary_erosiongrey_erosion腐蚀
binary_dilationgrey_dilation膨胀
binary_closinggrey_closing闭(先膨胀后腐蚀)
binary_openinggrey_opening开(先腐蚀后膨胀)

二值形态学

所谓腐蚀,用数学符号表示为

其中Bij表示当B BB的原点在(i,j)处时,B中所有为1的值的集合。

这个式子的意思是,用结构B腐蚀A,当B的原点平移到图像A的像元(i,j)时,若B完全被二者的重叠区域所包围,则赋值为1,否则赋值为0。更直观的例子是,如果B中为1的元素位置上,对应的A的像素值也都为1,则(i,j)处为1。

膨胀则与之相反,可表示为

换言之,只要B和A的重叠区域不是空集,那么(i,j)点就置为1。

举个例子如下

import numpy as np
import matplotlib.pyplot as plt
import scipy.ndimage as sn

x = np.zeros([20,20])
x[5:15, 5:15] = 1
x_ero = sn.binary_erosion(x)
x_dil = sn.binary_dilation(x)

fig = plt.figure()
ax = fig.add_subplot(1,3,1)
ax.imshow(x)
plt.title("original")
ax = fig.add_subplot(1,3,2)
ax.imshow(x_ero)
plt.title("erosion")
ax = fig.add_subplot(1,3,3)
ax.imshow(x_dil)
plt.title("dilation")
plt.show()

效果如下

开运算是先腐蚀后膨胀;闭运算是先膨胀后腐蚀,示例如下

x = np.zeros([20,20])
x[5:15, 5:15] = 1
x[10:12,10:12] = 0
x[2:4, 2:4] = 1

x_open = sn.binary_opening(x)
x_close = sn.binary_closing(x)

fig = plt.figure()
ax = fig.add_subplot(1,3,1)
ax.imshow(x)
plt.title("original")
ax = fig.add_subplot(1,3,2)
ax.imshow(x_open)
plt.title("opening")
ax = fig.add_subplot(1,3,3)
ax.imshow(x_close)
plt.title("closing")
plt.show()

效果如下,可见开运算会去除孤立的1,闭运算会去除孤立的0。

灰度形态学

灰度图像的腐蚀、膨胀以及开闭运算,是其二值形势下的一个扩展,采用了类似卷积的逻辑,下面直接从scipy中调取楼梯图片,并依次做腐蚀、膨胀以及开闭操作。

from scipy.misc import ascent
img = ascent()

funcs = {
    "original": lambda x, tmp:x,
    "erosion" : sn.grey_erosion,
    "dilation" : sn.grey_dilation,
    "opening" : sn.grey_opening,
    "closing" : sn.grey_closing
}

fig = plt.figure()
for i, key in enumerate(funcs):
    ax = fig.add_subplot(2,3,i+1)
    plt.imshow(funcs[key](img, (10,10)), cmap=plt.cm.gray)
    plt.title(key)

plt.show()

效果如下

参数列表

二值函数和灰度函数的参数并不相同,下面以closing运算为例,二值和灰度函数的所有参数,除了输入input之外,二者共有的参数有

  • structure 为数组类型,表示构造元素,可以理解为是卷积模板
  • output 与输入相同维度的数组,可以存下结果
  • orgin 过滤器设置,默认为0

二值形态学滤波的其他参数如下

binary_closing(input, iterations=1, mask=None, border_value=0, brute_force=False)

其中

  • iterations 执行次数
  • mask 掩模数组,为bool类型的数组,对应False的位置将不会改变
  • border_value 边缘处的值
  • brute_force 如果为False,则只有上次迭代中发生变化的值才会更新
grey_closing(input, size=None, footprint=None, mode='reflect', cval=0.0)
  • size 为滤波模板
  • mode 可选reflect,constant,nearest,mirror, wrap,边缘填充方式
  • cval 边缘填充值

到此这篇关于详解四种Python中基本形态学滤波的实现的文章就介绍到这了,更多相关Python形态学滤波内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • Python 统计数据集标签的类别及数目操作

    Python 统计数据集标签的类别及数目操作

    这篇文章主要介绍了Python 统计数据集标签的类别及数目操作,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2021-05-05
  • Python设计模式之建造者模式实例详解

    Python设计模式之建造者模式实例详解

    这篇文章主要介绍了Python设计模式之建造者模式,简单说明了建造者模式的概念、原理,并结合实例形式分析了Python定义及使用建造者模式相关操作技巧,需要的朋友可以参考下
    2019-01-01
  • 基于Python实现一个简单的敏感词过滤功能

    基于Python实现一个简单的敏感词过滤功能

    这篇文章主要介绍了Python实现敏感词过滤功能的示例,文中通过示例代码介绍的非常详细,对我们学习python有定的帮助,感兴趣的小伙伴们可以参考一下
    2023-06-06
  • Python 弹窗设计小人发射爱心

    Python 弹窗设计小人发射爱心

    今天小编就为大家分享一篇使用Python画出小人发射爱心的代码,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2021-09-09
  • Python基于pyCUDA实现GPU加速并行计算功能入门教程

    Python基于pyCUDA实现GPU加速并行计算功能入门教程

    这篇文章主要介绍了Python基于pyCUDA实现GPU加速并行计算功能,结合实例形式分析了Python使用pyCUDA进行GPU加速并行计算的原理与相关实现操作技巧,需要的朋友可以参考下
    2018-06-06
  • Python3 json模块之编码解码方法讲解

    Python3 json模块之编码解码方法讲解

    这篇文章主要介绍了Python3 json模块之编码解码方法讲解,需要的朋友可以参考下
    2021-04-04
  • numpy创建单位矩阵和对角矩阵的实例

    numpy创建单位矩阵和对角矩阵的实例

    今天小编就为大家分享一篇numpy创建单位矩阵和对角矩阵的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-11-11
  • python turtle绘图命令及案例

    python turtle绘图命令及案例

    这篇文章主要给大家分享的是python turtle绘图命令及案例,绘图有很多命令,可以划分为三种:画笔运动命令、画笔控制命令、全局控制命令,下面来看看文章的详细内容吧,需要的朋友可以参考一下
    2021-11-11
  • 详解Python数据分析--Pandas知识点

    详解Python数据分析--Pandas知识点

    这篇文章主要介绍了Python数据分析--Pandas知识点,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
    2019-03-03
  • pyinstaller封装exe的操作

    pyinstaller封装exe的操作

    这篇文章主要介绍了pyinstaller封装exe的操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2021-03-03

最新评论