opencv: 形態學 轉換(圖示+原始碼)
阿新 • • 發佈:2019-01-04
綜述
OpenCV中的形態學轉換操作有七種:腐蝕,膨脹,開運算,閉運算,形態學梯度,禮帽,黑帽。
API參照表
中文名 | 英文名 | api | 原理 | 個人理解 |
---|---|---|---|---|
腐蝕 | erode | erosion = cv2.erode(src=girl_pic, kernel=kernel) | 對滑窗中的畫素點按位乘,再從中取最小值點作為輸出。可以去淺色噪點 | 淺色成分被腐蝕 |
膨脹 | dilate | dilation = cv2.dilate(src=girl_pic, kernel=kernel) | 對滑窗中的畫素點按位乘,再從中取最大值點作為輸出。可以增加淺色成分 | 淺色成分得膨脹 |
開運算 | morphology-open | opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel) | 先腐蝕,後膨脹,去白噪點 | 先合再開,對淺色成分不利 |
閉運算 | morphology-close | closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel) | 先膨脹,後腐蝕,去黑噪點 | 先開再合,淺色成分得勢 |
形態學梯度 | morphology-grandient | gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel) | 一幅影象腐蝕與膨脹的區別,可以得到輪廓 | 數值上解釋為:膨脹減去腐蝕 |
禮帽 | tophat | tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel) | 原影象減去開運算的差 | 數值上解釋為:原影象減去開運算 |
黑帽 | blackhat | blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel) | 閉運算減去原影象的差 | 數值上解釋為:閉運算減去原影象 |
實驗思路:
- 寫程式碼,實現OpenCV 自帶的 七種形態學轉換操作,並將生成的圖片存入 pic
- 用 禮帽生成圖 加上 開運算生成圖,看看能否得到 原圖,並將生成的圖片存入 pic 資料夾;
- 用 閉運算生成圖 減去 黑帽生成圖,看看能否得到 原圖,並將生成的圖片存入 pic 資料夾;
- 如果成功,則驗證自己的思路是正確的 。
Demo:
原始影象
(../pic/girl.jpg):
七種形態學轉換操作
erode 腐蝕(../pic/erosion.jpg):
dilate 膨脹 (../pic/dilation.jpg):
open 開運算 (../pic/opening.jpg):
close 閉運算 (../pic/closing.jpg):
gradient 形態學梯度 (../pic/gradient.jpg):
tophat 禮帽 (../pic/tophat.jpg):
blackhat 黑帽 (../pic/blackhat.jpg):
通過轉換後的影象得到原影象
cv2.add(open, tophat) cv2.add(開運算, 禮帽) (../pic/open_and_tophat.jpg):
close-blackhat 閉運算-黑帽 (../pic/close_subtract_blackhat.jpg):
附上自己寫的實驗程式碼:
# -*- coding: utf-8 -*-
import cv2
import numpy as np
girl_pic = cv2.imread('../pic/girl.jpg')
kernel = np.ones((5, 5), np.uint8)
# erode 腐蝕
erosion = cv2.erode(src=girl_pic, kernel=kernel)
cv2.imshow('erosion', erosion)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/erosion.jpg', erosion)
# dilate 膨脹
dilation = cv2.dilate(src=girl_pic, kernel=kernel)
cv2.imshow('dilation', dilation)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/dilation.jpg', dilation)
# open 開運算
opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel)
cv2.imshow('opening', opening)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/opening.jpg', opening)
# close 閉運算
closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel)
cv2.imshow('closing', closing)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/closing.jpg', closing)
# gradient 形態學梯度
gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel)
cv2.imshow('gradient', gradient)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/gradient.jpg', gradient)
# tophat 禮帽
tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('tophat', tophat)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/tophat.jpg', tophat)
# blackhat 黑帽
blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('blackhat', blackhat)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/blackhat.jpg', blackhat)
# cv2.add(open, tophat) cv2.add(開運算, 禮帽)
open_and_tophat = cv2.add(opening, tophat)
cv2.imshow('open_and_tophat', open_and_tophat)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/open_and_tophat.jpg', open_and_tophat)
# close-blackhat 閉運算-黑帽
close_subtract_blackhat = closing - blackhat
cv2.imshow('close_subtract_blackhat', close_subtract_blackhat)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/close_subtract_blackhat.jpg', close_subtract_blackhat)
實際遇到的問題及解決方法:
一開始設計實驗時,用禮帽生成的影象加上開運算生成的影象能夠得到原圖,用黑帽生成的影象加上閉運算生成的影象卻得不到原圖,反而得到一張比閉運算影象更淺色的圖片(如下):
想了一下,發現了問題所在:書上對黑帽的定義是:
進行閉運算之後得到的影象和原始影象的差
但是卻沒有說清楚被減數和減數分別是誰。根據閉運算和黑帽的定義,我覺得應該是:
黑帽 = 閉運算 - 原圖
即可得:
原圖 = 閉運算 - 黑帽
修改程式碼後進行驗證,果然生成了原影象: