OpenCV这么简单为啥不学——1.7、实现OpenCV自带的七种形态学转换操作
2023-09-14 09:14:15 时间
OpenCV这么简单为啥不学——1.7、实现OpenCV自带的七种形态学转换操作
目录
OpenCV这么简单为啥不学——1.7、实现OpenCV自带的七种形态学转换操作
前言
计算机视觉市场巨大而且持续增长,且这方面没有标准API,如今的计算机视觉软件大概有以下三种:
1、研究代码(慢,不稳定,独立并与其他库不兼容)
2、耗费很高的商业化工具(比如Halcon, MATLAB+Simulink)
3、依赖硬件的一些特别的解决方案(比如视频监控,制造控制系统,医疗设备)这是如今的现状,而标准的API将简化计算机视觉程序和解决方案的开发,OpenCV致力于成为这样的标准API。
OpenCV致力于真实世界的实时应用,通过优化的C代码的编写对其执行速度带来了可观的提升,并且可以通过购买Intel的IPP高性能多媒体函数库(Integrated Performance Primitives)得到更快的处理速度。
故而我们选择学习OpenCV,我们来一步步的学习OpenCV。
1、erode腐蚀
腐蚀API
腐蚀 | erode | erosion = cv2.erode(src=girl_pic, kernel=kernel) | 对滑窗中的像素点按位乘,再从中取最小值点作为输出。可以去浅色噪点 | 浅色成分被腐蚀 |
示例代码:
import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# erode 腐蚀
erosion = cv2.erode(src=girl_pic, kernel=kernel)
cv2.imshow('erosion', erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()
实例效果:
2、dilate膨胀
dilate膨胀API
膨胀 | dilate | dilation = cv2.dilate(src=girl_pic, kernel=kernel) | 对滑窗中的像素点按位乘,再从中取最大值点作为输出。可以增加浅色成分 | 浅色成分得膨胀 |
实例代码:
import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# dilate 膨胀
dilation = cv2.dilate(src=girl_pic, kernel=kernel)
cv2.imshow('dilation', dilation)
cv2.waitKey(0)
cv2.destroyAllWindows()
膨胀效果
3、morphology-open开运算
morphology-open_API
开运算 | morphology-open | opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel) | 先腐蚀,后膨胀,去白噪点 | 先合再开,对浅色成分不利 |
实例代码
import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# open 开运算
opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel)
cv2.imshow('opening', opening)
cv2.waitKey(0)
cv2.destroyAllWindows()
实例效果:
4、morphology-close闭运算
闭运算 | morphology-close | closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel) | 先膨胀,后腐蚀,去黑噪点 | 先开再合,浅色成分得势 |
示例代码:
import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# close 闭运算
closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel)
cv2.imshow('closing', closing)
cv2.waitKey(0)
cv2.destroyAllWindows()
实际效果:
5、morphology-grandient形态学梯度
形态学梯度 | morphology-grandient | gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel) | 一幅图像腐蚀与膨胀的区别,可以得到轮廓 | 数值上解释为:膨胀减去腐蚀 |
示例代码:
import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# gradient 形态学梯度
gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel)
cv2.imshow('gradient', gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()
示例效果:
6、tophat礼帽
礼帽 | tophat | tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel) | 原图像减去开运算的差 | 数值上解释为:原图像减去开运算 |
示例代码:
import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# tophat 礼帽
tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('tophat', tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()
实际效果:
7、blackhat黑帽
黑帽 | blackhat | blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel) | 闭运算减去原图像的差 | 数值上解释为:闭运算减去原图像 |
示例代码:
import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# blackhat 黑帽
blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('blackhat', blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()
实际效果:
开运算+礼帽=原图
示例代码:
import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# 开运算
opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel)
# 礼帽
tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel)
# 拼接开运算+礼貌
open_and_tophat = cv2.add(opening, tophat)
cv2.imshow('open_and_tophat', open_and_tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()
实际效果:
闭运算 - 黑帽 = 原图
示例代码:
import cv2
import numpy as np
girl_pic = cv2.imread('800_600.jpg')
kernel = np.ones((5, 5), np.uint8)
# 闭运算
closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel)
# 黑帽
blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel)
# close-blackhat 闭运算 - 黑帽 = 原图
close_subtract_blackhat = closing - blackhat
cv2.imshow('close_sub_blackhat', close_subtract_blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()
实际效果:
相关文章
- 使用C++ OpenCV实现椭圆区域检测与Aruco码的生成与检测并估计位姿
- OpenCV相机标定全过程
- OpenCV系列学习之(六)
- OpenCV人脸识别的原理 .
- OpenCV实现SfM(一):相机模型
- 基于opencv人脸识别
- Python环境搭建之OpenCV
- java 添加盲水印_OpenCV-图像处理-频域手段添加盲水印
- C++版OpenCV使用支持向量机svm进行mnist手写数字识别
- POSIT算法的原理–opencv 3D姿态估计[通俗易懂]
- Opencv 图像处理:图像通道、直方图与色彩空间
- openCV._imread opencv
- gamma校正 matlab,Gamma校正 ——图像灰度变化 OpenCV (十)
- 基于python的opencv人脸训练模型
- Linux 安装OpenCV简易指南(linux安装opencv)