[Python影象處理] 八.影象腐蝕與影象膨脹
該系列文章是講解Python OpenCV影象處理知識,前期主要講解影象入門、OpenCV基礎用法,中期講解影象處理的各種演算法,包括影象銳化運算元、影象增強技術、影象分割等,後期結合深度學習研究影象識別、影象分類應用。希望文章對您有所幫助,如果有不足之處,還請海涵~
本篇文章主要講解Python呼叫OpenCV實現影象腐蝕和影象膨脹的演算法,基礎性知識希望對您有所幫助。
1.基礎理論
2.影象腐蝕程式碼實現
3.影象膨脹程式碼實現
PS:文章參考自己以前系列影象處理文章及OpenCV庫函式,同時部分參考網易雲視訊,推薦大家去學習。同時,本篇文章涉及到《計算機圖形學》基礎知識,請大家下來補充。
一. 基礎知識
(注:該部分參考作者論文《一種改進的Sobel運算元及區域擇優的身份證智慧識別方法》)
影象的膨脹(Dilation)和腐蝕(Erosion)是兩種基本的形態學運算,主要用來尋找影象中的極大區域和極小區域。其中膨脹類似於“領域擴張”,將影象中的高亮區域或白色部分進行擴張,其執行結果圖比原圖的高亮區域更大;腐蝕類似於“領域被蠶食”,將影象中的高亮區域或白色部分進行縮減細化,其執行結果圖比原圖的高亮區域更小。
1.影象膨脹
膨脹的運算子是“⊕”,其定義如下:
2.影象腐蝕
腐蝕的運算子是“-”,其定義如下:
二. 影象腐蝕程式碼實現
1.基礎理論
形態學轉換主要針對的是二值影象(0或1)。影象腐蝕類似於“領域被蠶食”,將影象中的高亮區域或白色部分進行縮減細化,其執行結果圖比原圖的高亮區域更小。其主要包括兩個輸入物件:
(1)二值影象
(2)卷積核
卷積核是腐蝕中的關鍵陣列,採用numpy庫可以生成。卷積核的中心點逐個畫素掃描原始影象,如下圖所示:
2.函式原型
影象腐蝕主要使用的函式為erode,其原型如下:
dst = cv2.erode(src, kernel, iterations)
引數dst表示處理的結果,src表示原影象,kernel表示卷積核,iterations表示迭代次數。下圖表示5*5的卷積核,可以採用函式 np.ones((5,5), np.uint8) 構建。
3.程式碼實現
完整程式碼如下所示:
#encoding:utf-8
import cv2
import numpy as np
#讀取圖片
src = cv2.imread('test01.jpg', cv2.IMREAD_UNCHANGED)
#設定卷積核
kernel = np.ones((5,5), np.uint8)
#影象腐蝕處理
erosion = cv2.erode(src, kernel)
#顯示影象
cv2.imshow("src", src)
cv2.imshow("result", erosion)
#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果如下圖所示:
erosion = cv2.erode(src, kernel,iterations=9)
輸出結果如下圖所示:
三. 影象膨脹程式碼實現
1.基礎理論
影象膨脹是腐蝕操作的逆操作,類似於“領域擴張”,將影象中的高亮區域或白色部分進行擴張,其執行結果圖比原圖的高亮區域更大,線條變粗了,主要用於去噪。
(1) 影象被腐蝕後,去除了噪聲,但是會壓縮影象。
(2) 對腐蝕過的影象,進行膨脹處理,可以去除噪聲,並且保持原有形狀。
它也包括兩個輸入物件:
(1)二值影象或原始影象
(2)卷積核
卷積核是腐蝕中的關鍵陣列,採用numpy庫可以生成。卷積核的中心點逐個畫素掃描原始影象,如下圖所示:
被掃描到的原始影象中的畫素點,當卷積核對應的元素值只要有一個為1時,其值就為1,否則為0。
2.函式原型
影象膨脹主要使用的函式為dilate,其原型如下:
dst = cv2.dilate(src, kernel, iterations)
引數dst表示處理的結果,src表示原影象,kernel表示卷積核,iterations表示迭代次數。下圖表示5*5的卷積核,可以採用函式 np.ones((5,5), np.uint8) 構建。
3.程式碼實現
完整程式碼如下所示:
#encoding:utf-8
import cv2
import numpy as np
#讀取圖片
src = cv2.imread('test02.png', cv2.IMREAD_UNCHANGED)
#設定卷積核
kernel = np.ones((5,5), np.uint8)
#影象膨脹處理
erosion = cv2.dilate(src, kernel)
#顯示影象
cv2.imshow("src", src)
cv2.imshow("result", erosion)
#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果如下所示:
影象去噪通常需要先腐蝕後膨脹,這又稱為開運算,下篇文章將詳細介紹。如下圖所示:
erosion = cv2.erode(src, kernel)
result = cv2.dilate(erosion, kernel)
希望文章對大家有所幫助,如果有錯誤或不足之處,還請海涵。最近經歷的事情太多,有喜有悲,關閉了朋友圈,希望通過不斷學習和寫文章來忘記煩勞,將憂鬱轉換為動力。哎,總感覺自己在感動這個世界,幫助所有人,而自己卻…保重。
(By:Eastmount 2018-10-31 下午4點 https://blog.csdn.net/Eastmount/)