Skip to content

Latest commit

 

History

History
385 lines (290 loc) · 10.2 KB

10.形态学操作.md

File metadata and controls

385 lines (290 loc) · 10.2 KB
Raw

形态学操作

形态学操作是根据图像形状进行的简单操作。一般情况下对二值化图像进行的操作。需要输入两个参数，一个是原始图像，第二个被称为结构化元素或核，它是用来决定操作的性质的。两个基本的形态学操作是腐蚀和膨胀。他们的变体构成了开运算，闭运算，梯度等。

结构元素

图像处理经常要用到形态学操作，其中首先要获取结构元素。包括结构元素的大小及形状。

我们使用 Numpy 构建了结构化元素，它是正方形的。但有时我们需要构建一个椭圆形/圆形的核。为了实现这种要求，提供了 OpenCV函数 cv2.getStructuringElement()。你只需要告诉他你需要的核的形状和大小。

# 矩形
kernel = np.ones((5,5),np.uint8)
kernel_1 = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
print("矩形:\n%s"%kernel)
#print("矩形1:\n%s"%kernel_1)
# 椭圆
kernel_2 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
print("椭圆:\n%s"%kernel_2)
# 十字形
kernel_3 = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
print("十字:\n%s"%kernel_3)	
矩形:
[[1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]]
椭圆:
[[0 0 1 0 0]
 [1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]
 [0 0 1 0 0]]
十字:
[[0 0 1 0 0]
 [0 0 1 0 0]
 [1 1 1 1 1]
 [0 0 1 0 0]
 [0 0 1 0 0]]

腐蚀 (erode)

定义E为欧氏空间，在二值图像A上使用B进行腐蚀运算的定义为： $$ A \ominus B=\left{z \in E | B_{z} \subseteq A\right} $$ 其中$[Math Processing Error] B_z$为B平移向量z得到。

在深蓝色正方形上使用圆盘进行腐蚀运算，结果为浅蓝色正方形。

腐蚀作用：可以用来消除小且无意义的物体。

dst =cv2.erode(src,kernel,iterations = 1)

参数意义如下:

  • src：输入图像
  • dst：输出图像
  • kernel：核(结构元素)
  • iterations：迭代次数

例子

def img_show(name,image):
    """matplotlib图像显示函数
    name：字符串，图像标题
    img：numpy.ndarray，图像
    """
    if len(image.shape) == 3:
        image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    plt.imshow(image,'gray')
    plt.xticks([])
    plt.yticks([])
    plt.xlabel(name,fontproperties='FangSong',fontsize=12)
 
if __name__=="__main__":
    
    img = cv2.imread("data/Fig0905(a)(wirebond-mask).tif")
    # 矩形
    kernel = np.ones((5,5),np.uint8)
    
    erosion =cv2.erode(img,kernel,iterations = 1)
    
    plt.subplot(121)
    img_show("original",img)
    plt.subplot(122)
    img_show('erosion',erosion)

膨胀 (dilate)

定义E为欧氏空间，在二值图像A上使用B进行膨胀运算的定义为： $$ A \oplus B=\bigcup_{b \in B} A_{b} $$ 其中 ${A_b}$为A平移向量b得到。

在深蓝色正方形上使用圆盘进行膨胀运算，结果为浅蓝色正方形，带有圆角。

膨胀作用：可以用来填补物体中的空洞。

dst = cv2.dilate(src,kernel,iterations = 1)

参数意义同腐蚀。

例子

def img_show(name,image):
    """matplotlib图像显示函数
    name：字符串，图像标题
    img：numpy.ndarray，图像
    """
    if len(image.shape) == 3:
        image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    plt.imshow(image,'gray')
    plt.xticks([])
    plt.yticks([])
    plt.xlabel(name,fontproperties='FangSong',fontsize=12)
 
if __name__=="__main__":
    
    img = cv2.imread("data/Fig0905(a)(wirebond-mask).tif")
    # 矩形
    kernel = np.ones((5,5),np.uint8)
    
    dilation = cv2.dilate(img,kernel,iterations = 1)
    
    plt.figure(figsize=(10,8),dpi = 80)
    plt.subplot(121)
    img_show("original",img)
    plt.subplot(122)
    img_show('dilation',dilation )

开运算 在数学形态学中，开运算 被定义为先腐蚀后膨胀。 $$ A \circ B=(A \ominus B) \oplus B $$ 其中 ${\ominus}$ 和 ${\oplus}$ 分别表示腐蚀和膨胀。

在深蓝色正方形上使用圆盘进行开运算，结果为浅蓝色正方形，带有圆角。

开运算作用：它被用来去除噪声

opening = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)

参数意义如下:

  • src：输入图像
  • cv2.MORPH_OPEN：形态学开运算
  • kernel：核(结构元素)

例子

def img_show(name,image):
    """matplotlib图像显示函数
    name：字符串，图像标题
    img：numpy.ndarray，图像
    """
    if len(image.shape) == 3:
        image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    plt.imshow(image,'gray')
    plt.xticks([])
    plt.yticks([])
    plt.xlabel(name,fontproperties='FangSong',fontsize=12)
 
if __name__=="__main__":
    
    img = cv2.imread("data/FigP0918(left).tif")
    # 矩形
    kernel = np.ones((5,5),np.uint8)
   
    opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
    
    plt.figure(figsize=(10,8),dpi = 80)
    plt.subplot(121)
    img_show("original",img)
    plt.subplot(122)
    img_show('opening',opening)

闭运算

在数学形态学中，闭运算 被定义为先膨胀后腐蚀。 $$ A \bullet B=(A \oplus B) \ominus B $$ 其中 ${\ominus}$ 和 ${\oplus}$ 分别表示腐蚀和膨胀。

在深蓝色区域（两个相连的正方形）上使用圆盘进行闭运算，结果为深蓝色和浅蓝色的并集。

闭运算作用：经常被用来填充前景物体中的小洞，或者前景物体上的小黑点。

closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

cv2.MORPH_CLOSE代表闭运算，其他参数意义同开运算。

例子

def img_show(name,image):
    """matplotlib图像显示函数
    name：字符串，图像标题
    img：numpy.ndarray，图像
    """
    if len(image.shape) == 3:
        image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    plt.imshow(image,'gray')
    plt.xticks([])
    plt.yticks([])
    plt.xlabel(name,fontproperties='FangSong',fontsize=12)
 
if __name__=="__main__":
    
    img = cv2.imread("data/Fig0907(a)(text_gaps_1_and_2_pixels).tif")
    # 矩形
    kernel = np.ones((5,5),np.uint8)
    
    closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
    
    plt.figure(figsize=(10,8),dpi = 80)
    plt.subplot(121)
    img_show("original",img)
    plt.subplot(122)
    img_show('closing',closing)

形态学梯度 其实就是一幅图像膨胀与腐蚀的之差。

形态学梯度作用：提取前景物体的轮廓。

gradient = cv2.morphologyEx(src, cv2.MORPH_GRADIENT, kernel)

cv2.MORPH_GRADIENT代表形态学梯度，其他参数意义同开运算。

例子

def img_show(name,image):
    """matplotlib图像显示函数
    name：字符串，图像标题
    img：numpy.ndarray，图像
    """
    if len(image.shape) == 3:
        image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    plt.imshow(image,'gray')
    plt.xticks([])
    plt.yticks([])
    plt.xlabel(name,fontproperties='FangSong',fontsize=12)
 
if __name__=="__main__":
    
    img = cv2.imread("data/FigP0905(U).tif")

    # 十字形
    kernel = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
    #print("十字:\n%s"%kernel_3)
    
    gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
    
    plt.figure(figsize=(10,8),dpi = 80)
    plt.subplot(121)
    img_show("original",img)
    plt.subplot(122)
    img_show('gradient',gradient)

礼帽 原始图像与进行开运算之后得到的图像的差。

tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

例子

def img_show(name,image):
    """matplotlib图像显示函数
    name：字符串，图像标题
    img：numpy.ndarray，图像
    """
    if len(image.shape) == 3:
        image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    plt.imshow(image,'gray')
    plt.xticks([])
    plt.yticks([])
    plt.xlabel(name,fontproperties='FangSong',fontsize=12)
 
if __name__=="__main__":
    
    img = cv2.imread("data/Fig0905(a)(wirebond-mask).tif")
    # 矩形
    kernel = np.ones((5,5),np.uint8)
    
    tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
    
    plt.figure(figsize=(10,8),dpi = 80)
    plt.subplot(121)
    img_show("original",img)
    plt.subplot(122)
    img_show('tophat',tophat)

黑帽 进行闭运算之后得到的图像与原始图像的差。

blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

例子

def img_show(name,image):
    """matplotlib图像显示函数
    name：字符串，图像标题
    img：numpy.ndarray，图像
    """
    if len(image.shape) == 3:
        image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    plt.imshow(image,'gray')
    plt.xticks([])
    plt.yticks([])
    plt.xlabel(name,fontproperties='FangSong',fontsize=12)
 
if __name__=="__main__":
    
    img = cv2.imread("data/FigP0936(bubbles_on_black_background).tif")
    # 矩形
    kernel = np.ones((5,5),np.uint8)
   
    blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
    
    plt.figure(figsize=(10,8),dpi = 80)
    plt.subplot(121)
    img_show("original",img)
    plt.subplot(122)
    img_show('blackhat',blackhat)