OpenCV图像形态学如何处理

这篇文章主要讲解了“OpenCV图像形态学如何处理”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“OpenCV图像形态学如何处理”吧！

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

importcv2importnumpyasnpfromnumpyimportunicodeif__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dstimg2=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)[[00000][00000][0025500][00000][00000]]

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。

importcv2importnumpyasnpfromnumpyimportunicodeif__name__=='__main__':img1=cv2.imread("D:/Jupyter_Notebooks/0.jpg")#读取彩色图像(BGR)#定义kernelkernel=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dstcv2.imshow("close_img",close_img)#显示叠加图像dstcv2.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。

importcv2importnumpyasnpfromnumpyimportunicodeif__name__=='__main__':img1=cv2.imread("D:/Jupyter_Notebooks/0.jpg")#读取彩色图像(BGR)#定义kernelkernel=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dstcv2.imshow("blackhat_img",blackhat_img)#显示叠加图像dstcv2.waitKey(0)cv2.destroyAllWindows()

感谢各位的阅读，以上就是“OpenCV图像形态学如何处理”的内容了，经过本文的学习后，相信大家对OpenCV图像形态学如何处理这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是主机评测网，小编将为大家推送更多相关知识点的文章，欢迎关注！

上一篇：oracle数据库表空间扩容的问题怎么解决

下一篇：electron如何创建新窗口模态框并实现主进程传值给子进程

---