詳解四種Python中基本形態(tài)學(xué)濾波的實現(xiàn)
最基礎(chǔ)的形態(tài)學(xué)操作有四個，分別是腐蝕、膨脹、開計算和閉計算，`scipy.ndimage分別實現(xiàn)了二值數(shù)組和灰度數(shù)組的這四種運(yùn)算
| 二值 | 灰度 | |
|---|---|---|
| binary_erosion | grey_erosion | 腐蝕 |
| binary_dilation | grey_dilation | 膨脹 |
| binary_closing | grey_closing | 閉(先膨脹后腐蝕) |
| binary_opening | grey_opening | 開(先腐蝕后膨脹) |
二值形態(tài)學(xué)
所謂腐蝕，用數(shù)學(xué)符號表示為
其中Bij表示當(dāng)B BB的原點在(i,j)處時，B中所有為1的值的集合。
這個式子的意思是，用結(jié)構(gòu)B腐蝕A，當(dāng)B的原點平移到圖像A的像元(i,j)時，若B完全被二者的重疊區(qū)域所包圍，則賦值為1，否則賦值為0。更直觀的例子是，如果B中為1的元素位置上，對應(yīng)的A的像素值也都為1，則(i,j)處為1。
膨脹則與之相反，可表示為
換言之，只要B和A的重疊區(qū)域不是空集，那么(i,j)點就置為1。
舉個例子如下
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
開運(yùn)算是先腐蝕后膨脹；閉運(yùn)算是先膨脹后腐蝕，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，可見開運(yùn)算會去除孤立的1，閉運(yùn)算會去除孤立的0。
灰度形態(tài)學(xué)
灰度圖像的腐蝕、膨脹以及開閉運(yùn)算，是其二值形勢下的一個擴(kuò)展，采用了類似卷積的邏輯，下面直接從scipy中調(diào)取樓梯圖片，并依次做腐蝕、膨脹以及開閉操作。
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
參數(shù)列表
二值函數(shù)和灰度函數(shù)的參數(shù)并不相同，下面以closing運(yùn)算為例，二值和灰度函數(shù)的所有參數(shù)，除了輸入input之外，二者共有的參數(shù)有
- structure 為數(shù)組類型，表示構(gòu)造元素，可以理解為是卷積模板
- output 與輸入相同維度的數(shù)組，可以存下結(jié)果
- orgin 過濾器設(shè)置，默認(rèn)為0
二值形態(tài)學(xué)濾波的其他參數(shù)如下
binary_closing(input, iterations=1, mask=None, border_value=0, brute_force=False)
其中
- iterations 執(zhí)行次數(shù)
- mask 掩模數(shù)組，為bool類型的數(shù)組，對應(yīng)False的位置將不會改變
- border_value 邊緣處的值
- brute_force 如果為False，則只有上次迭代中發(fā)生變化的值才會更新
grey_closing(input, size=None, footprint=None, mode='reflect', cval=0.0)
- size 為濾波模板
- mode 可選reflect,constant,nearest,mirror, wrap，邊緣填充方式
- cval 邊緣填充值
到此這篇關(guān)于詳解四種Python中基本形態(tài)學(xué)濾波的實現(xiàn)的文章就介紹到這了,更多相關(guān)Python形態(tài)學(xué)濾波內(nèi)容請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！
相關(guān)文章
Python 統(tǒng)計數(shù)據(jù)集標(biāo)簽的類別及數(shù)目操作
這篇文章主要介紹了Python 統(tǒng)計數(shù)據(jù)集標(biāo)簽的類別及數(shù)目操作，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-05-05
這篇文章主要介紹了Python設(shè)計模式之建造者模式,簡單說明了建造者模式的概念、原理,并結(jié)合實例形式分析了Python定義及使用建造者模式相關(guān)操作技巧,需要的朋友可以參考下2019-01-01
這篇文章主要介紹了Python實現(xiàn)敏感詞過濾功能的示例，文中通過示例代碼介紹的非常詳細(xì)，對我們學(xué)習(xí)python有定的幫助，感興趣的小伙伴們可以參考一下2023-06-06
今天小編就為大家分享一篇使用Python畫出小人發(fā)射愛心的代碼，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-09-09
Python基于pyCUDA實現(xiàn)GPU加速并行計算功能入門教程
這篇文章主要介紹了Python基于pyCUDA實現(xiàn)GPU加速并行計算功能,結(jié)合實例形式分析了Python使用pyCUDA進(jìn)行GPU加速并行計算的原理與相關(guān)實現(xiàn)操作技巧,需要的朋友可以參考下2018-06-06
這篇文章主要介紹了Python3 json模塊之編碼解碼方法講解,需要的朋友可以參考下2021-04-04
今天小編就為大家分享一篇numpy創(chuàng)建單位矩陣和對角矩陣的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-11-11
這篇文章主要給大家分享的是python turtle繪圖命令及案例，繪圖有很多命令，可以劃分為三種：畫筆運(yùn)動命令、畫筆控制命令、全局控制命令，下面來看看文章的詳細(xì)內(nèi)容吧,需要的朋友可以參考一下2021-11-11
詳解Python數(shù)據(jù)分析--Pandas知識點
這篇文章主要介紹了Python數(shù)據(jù)分析--Pandas知識點，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-03-03
這篇文章主要介紹了pyinstaller封裝exe的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03