Python图像处理丨两种实现图像形态学转化运算
摘要:本篇文章主要讲解Python调用OpenCV实现图像形态学转化,包括图像顶帽运算和图像黑帽运算。
本文分享自华为云社区《[Python图像处理] 十.形态学之图像顶帽运算和黑帽运算》,作者: eastmount 。
一. 图像顶帽运算
1.基本原理
图像顶帽(或图像礼帽)运算是原始图像减去图像开运算的结果,得到图像的噪声。如下图所示:
顶帽运算(img) = 原始图像(img) - 开运算(img)
![](https://pic1.zhimg.com/80/v2-f5b728885faafcecedbd6f687dadac5c_720w.jpg)
2.函数原型
图像开运算主要使用的函数morphologyEx,它是形态学扩展的一组函数,其参数cv2.MORPH_TOPHAT对应开运算。其原型如下:
dst = cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel)
参数dst表示处理的结果,src表示原图像,cv2.MORPH_TOPHAT表示顶帽运算,kernel表示卷积核。下图表示5*5的卷积核,可以采用函数 np.ones((5,5), np.uint8) 构建。
![](https://pic4.zhimg.com/80/v2-22f33f33b9600fbc03bd9ac39ab02f57_720w.jpg)
卷积如下图所示:
![](https://pic1.zhimg.com/80/v2-5ae10ecd0ef558c89b725fecee7fe6e8_720w.jpg)
3.代码实现
完整代码如下所示:
#encoding:utf-8 import cv2 import numpy as np #读取图片 src = cv2.imread('test01.png', cv2.IMREAD_UNCHANGED) #设置卷积核 kernel = np.ones((5,5), np.uint8) #图像顶帽运算 result = cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel) #显示图像 cv2.imshow("src", src) cv2.imshow("result", result) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
输出结果如下图所示,可以看到外部噪声被提取出来。
![](https://pic3.zhimg.com/80/v2-4d2b9f9fc29de20507d8d108f4e48d02_720w.jpg)
如果想获取更多的细节,可以将卷积设置为10*10,如下图所示:
kernel = np.ones((10,10), np.uint8)
result = cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel)
![](https://pic3.zhimg.com/80/v2-c0e991d341dbd622d3c64d590dda8a42_720w.jpg)
二. 图像黑帽运算
1.基本原理
图像黑帽运算是图像闭运算操作减去原始图像的结果,得到图像内部的小孔,或者前景色中的小黑点。如下图所示:
黑帽运算(img) = 闭运算图像(img) - 原始图像(img)
![](https://pic1.zhimg.com/80/v2-9a9c63efdca65d927338da1f2627df18_720w.jpg)
2.函数原型
图像开运算主要使用的函数morphologyEx,它是形态学扩展的一组函数,其参数cv2.MORPH_BLACKHAT对应开运算。其原型如下:
dst = cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernel)
参数dst表示处理的结果,src表示原图像,cv2.MORPH_BLACKHAT表示黑帽运算,kernel表示卷积核。下图表示5*5的卷积核,可以采用函数 np.ones((5,5), np.uint8) 构建。
![](https://pic3.zhimg.com/80/v2-c1e004d1739fc0e9ae6d68092800cede_720w.jpg)
3.代码实现
完整代码如下所示:
#encoding:utf-8 import cv2 import numpy as np #读取图片 src = cv2.imread('test02.png', cv2.IMREAD_UNCHANGED) #设置卷积核 kernel = np.ones((5,5), np.uint8) #图像黑帽运算 result = cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernel) #显示图像 cv2.imshow("src", src) cv2.imshow("result", result) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
输出结果如下图所示,可以看到图像内部黑点被提取出来。
![](https://pic3.zhimg.com/80/v2-9013eb7217de3ddbb247ab35cca5f43e_720w.jpg)
但内部比较大的四个黑点没有被提取,如果想获取更多的细节,可以将卷积设置为10*10,如下图所示:
kernel = np.ones((10,10), np.uint8)
result = cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernel)
![](https://pic1.zhimg.com/80/v2-c886da87ad56d5cb652ccb8feef933bc_720w.jpg)
本文摘录自eastmount X华为云开发者社区联合出品的电子书《从零到一 • Python图像处理及识别》,点击免费下载电子书。
相关文章
- python格式化输出dict等集合对象
- 小米路由器mini折腾之Python篇
- python中的cookielib的使用方法
- 快速升级python到2.7
- python守护进程demo
- python守护进程 - python-daemon
- Python 代码片段总结
- 为python的logging加点颜色吧
- python 堆排序算法
- Python 运用GeoIP2离线数据库定位
- Python 使用Scapy解析TTL值
- Python 运用Dpkt库解析数据包
- Python 进行数字取证调查
- Python 运用Pexpect实现SSH爆破
- Python Scapy 愚弄入侵检测系统
- Python 实现SockStress全连接攻击
- Python 抓取并解码原始数据包
- Python ARP缓存投毒与DNS欺骗
- Python 实现Web隐藏目录扫描
- Python 其他通用代码总结