這篇文章將繼續(xù)介紹開(kāi)運(yùn)算、閉運(yùn)算和梯度運(yùn)算。數(shù)學(xué)形態(tài)學(xué)（Mathematical Morphology）是一種應(yīng)用于圖像處理和模式識(shí)別領(lǐng)域的新方法。數(shù)學(xué)形態(tài)學(xué)（也稱(chēng)圖像代數(shù)）表示以形態(tài)為基礎(chǔ)對(duì)圖像進(jìn)行分析的數(shù)學(xué)工具，其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的。

一.圖像開(kāi)運(yùn)算

開(kāi)運(yùn)算一般能平滑圖像的輪廓，削弱狹窄部分，去掉較細(xì)的突出。閉運(yùn)算也是平滑圖像的輪廓，與開(kāi)運(yùn)算相反，它一般熔合窄的缺口和細(xì)長(zhǎng)的彎口，去掉小洞，填補(bǔ)輪廓上的縫隙。圖像開(kāi)運(yùn)算是圖像依次經(jīng)過(guò)腐蝕、膨脹處理的過(guò)程，圖像被腐蝕后將去除噪聲，但同時(shí)也壓縮了圖像，接著對(duì)腐蝕過(guò)的圖像進(jìn)行膨脹處理，可以在保留原有圖像的基礎(chǔ)上去除噪聲。其原理如圖1所示。

設(shè)A是原始圖像，B是結(jié)構(gòu)元素圖像，則集合A被結(jié)構(gòu)元素B做開(kāi)運(yùn)算，記為A?B，其定義為：

換句話說(shuō)，A被B開(kāi)運(yùn)算就是A被B腐蝕后的結(jié)果再被B膨脹。圖像開(kāi)運(yùn)算在OpenCV中主要使用函數(shù)morphologyEx()，它是形態(tài)學(xué)擴(kuò)展的一組函數(shù)，其函數(shù)原型如下：

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

• src表示原始圖像
• cv2.MORPH_OPEN表示圖像進(jìn)行開(kāi)運(yùn)算處理
• kernel表示卷積核，可以用numpy.ones()函數(shù)構(gòu)建

圖像開(kāi)運(yùn)算的代碼如下所示：

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  

#讀取圖片
src = cv2.imread('test01.png', cv2.IMREAD_UNCHANGED)

#設(shè)置卷積核
kernel = np.ones((5,5), np.uint8)

#圖像開(kāi)運(yùn)算
result = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)

#顯示圖像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結(jié)果如圖2所示，左邊為原始圖像，右邊為處理后的圖像，可以看到原始圖形中的噪聲點(diǎn)被去除了部分。

但處理后的圖像中仍然有部分噪聲，如果想更徹底地去除，可以將卷積設(shè)置為10×10的模板，代碼如下所示：

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  

#讀取圖片
src = cv2.imread('test01.png', cv2.IMREAD_UNCHANGED)

#設(shè)置卷積核
kernel = np.ones((10,10), np.uint8) 

#圖像開(kāi)運(yùn)算
result = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)

#顯示圖像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

運(yùn)行結(jié)果如圖3所示：

二.圖像閉運(yùn)算

圖像閉運(yùn)算是圖像依次經(jīng)過(guò)膨脹、腐蝕處理的過(guò)程，先膨脹后腐蝕有助于過(guò)濾前景物體內(nèi)部的小孔或物體上的小黑點(diǎn)。其原理如圖4所示：

設(shè)A是原始圖像，B是結(jié)構(gòu)元素圖像，則集合A被結(jié)構(gòu)元素B做開(kāi)運(yùn)算，記為A·B，其定義為：

換句話說(shuō)，A被B閉運(yùn)算就是A被B膨脹后的結(jié)果再被B腐蝕。圖像開(kāi)運(yùn)算在OpenCV中主要使用函數(shù)morphologyEx()，其函數(shù)原型如下：

dst = cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernel)

• src表示原始圖像
• cv2.MORPH_CLOSE表示圖像進(jìn)行閉運(yùn)算處理
• kernel表示卷積核，可以用numpy.ones()函數(shù)構(gòu)建

圖像閉運(yùn)算的代碼如下所示：

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  

#讀取圖片
src = cv2.imread('test02.png', cv2.IMREAD_UNCHANGED)

#設(shè)置卷積核
kernel = np.ones((10,10), np.uint8)

#圖像閉運(yùn)算
result = cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernel)

#顯示圖像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結(jié)果如圖5所示，它有效地去除了圖像中間的小黑點(diǎn)（噪聲）。

三.圖像梯度運(yùn)算

圖像梯度運(yùn)算是圖像膨脹處理減去圖像腐蝕處理后的結(jié)果，從而得到圖像的輪廓，其原理如圖6所示，（a）表示原始圖像，（b）表示膨脹處理后的圖像，（c）表示腐蝕處理后的圖像，（d）表示圖像梯度運(yùn)算的效果圖。

在Python中，圖像梯度運(yùn)算主要調(diào)用morphologyEx()實(shí)現(xiàn)，其中參數(shù)cv2.MORPH_GRADIENT表示梯度處理，函數(shù)原型如下：

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

• src表示原始圖像
• cv2.MORPH_GRADIENT表示圖像進(jìn)行梯度運(yùn)算處理
• kernel表示卷積核，可以用numpy.ones()函數(shù)構(gòu)建

圖像梯度運(yùn)算的實(shí)現(xiàn)代碼如下所示。

# -*- coding: utf-8 -*-
import cv2  
import numpy as np  

#讀取圖片
src = cv2.imread('test03.png', cv2.IMREAD_UNCHANGED)

#設(shè)置卷積核
kernel = np.ones((10,10), np.uint8)

#圖像梯度運(yùn)算
result = cv2.morphologyEx(src, cv2.MORPH_GRADIENT, kernel)

#顯示圖像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

圖像梯度運(yùn)算處理的結(jié)果如圖7所示，左邊為原始圖像，右邊為處理后的效果圖。

四.總結(jié)

本文主要介紹圖像形態(tài)學(xué)處理，詳細(xì)講解了圖像開(kāi)運(yùn)算、閉運(yùn)算和梯度運(yùn)算。數(shù)學(xué)形態(tài)學(xué)是一種應(yīng)用于圖像處理和模式識(shí)別領(lǐng)域的新方法，其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別目的。

到此這篇關(guān)于詳解Python圖像形態(tài)學(xué)處理(開(kāi)運(yùn)算,閉運(yùn)算,梯度運(yùn)算)的文章就介紹到這了,更多相關(guān)Python圖像形態(tài)學(xué)處理內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論