前言

這篇文章將詳細講解開始圖像形態(tài)學知識，主要介紹圖像腐蝕處理和膨脹處理。數(shù)學形態(tài)學（Mathematical Morphology）是一種應用于圖像處理和模式識別領域的新方法。數(shù)學形態(tài)學（也稱圖像代數(shù)）表示以形態(tài)為基礎對圖像進行分析的數(shù)學工具，其基本思想是用具有一定形態(tài)的結構元素去量度和提取圖像中對應形狀以達到對圖像分析和識別的目的。

一.形態(tài)學理論知識

數(shù)學形態(tài)學的應用可以簡化圖像數(shù)據(jù)，保持它們基本的形狀特征，并出去不相干的結構。數(shù)學形態(tài)學的算法有天然的并行實現(xiàn)的結構，主要針對的是二值圖像（0或1）。在圖像處理方面，二值形態(tài)學經(jīng)常應用到對圖像進行分割、細化、抽取骨架、邊緣提取、形狀分析、角點檢測，分水嶺算法等。由于其算法簡單，算法能夠并行運算所以經(jīng)常應用到硬件中[1-2]。

常見的圖像形態(tài)學運算包括：

• 腐蝕
• 膨脹
• 開運算
• 閉運算
• 梯度運算
• 頂帽運算
• 底帽運算

這些運算在OpenCV中主要通過MorphologyEx()函數(shù)實現(xiàn)，它能利用基本的膨脹和腐蝕技術，來執(zhí)行更加高級形態(tài)學變換，如開閉運算、形態(tài)學梯度、頂帽、黑帽等，也可以實現(xiàn)最基本的圖像膨脹和腐蝕。其函數(shù)原型如下：

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

– src表示原始圖像

– model表示圖像進行形態(tài)學處理，包括：

(1)cv2.MORPH_OPEN：開運算（Opening Operation）

(2)cv2.MORPH_CLOSE：閉運算（Closing Operation）

(3)cv2.MORPH_GRADIENT：形態(tài)學梯度（Morphological Gradient）

(4)cv2.MORPH_TOPHAT：頂帽運算（Top Hat）

(5)cv2.MORPH_BLACKHAT：黑帽運算（Black Hat）

kernel表示卷積核，可以用numpy.ones()函數(shù)構建

二.圖像腐蝕

圖像的腐蝕（Erosion）和膨脹（Dilation）是兩種基本的形態(tài)學運算，主要用來尋找圖像中的極小區(qū)域和極大區(qū)域。圖像腐蝕類似于“領域被蠶食”，它將圖像中的高亮區(qū)域或白色部分進行縮減細化，其運行結果比原圖的高亮區(qū)域更小。

設A，B為集合，A被B的腐蝕，記為A－B，其定義為：

該公式表示圖像A用卷積模板B來進行腐蝕處理，通過模板B與圖像A進行卷積計算，得出B覆蓋區(qū)域的像素點最小值，并用這個最小值來替代參考點的像素值。如圖1所示，將左邊的原始圖像A腐蝕處理為右邊的效果圖A-B。

圖像腐蝕主要包括二值圖像和卷積核兩個輸入對象，卷積核是腐蝕中的關鍵數(shù)組，采用Numpy庫可以生成。卷積核的中心點逐個像素掃描原始圖像，被掃描到的原始圖像中的像素點，只有當卷積核對應的元素值均為1時，其值才為1，否則將其像素值修改為0。在Python中，主要調用OpenCV的erode()函數(shù)實現(xiàn)圖像腐蝕。

其函數(shù)原型如下：

dst = cv2.erode(src, kernel, iterations)

– src表示原始圖像

– kernel表示卷積核

– iterations表示迭代次數(shù)，默認值為1，表示進行一次腐蝕操作

可以采用函數(shù)numpy.ones((5,5), numpy.uint8)創(chuàng)建5×5的卷積核，如下：

圖像腐蝕操作的代碼如下所示：

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

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

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

#圖像腐蝕處理
erosion = cv2.erode(src, kernel)

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

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

輸出結果如圖2所示，左邊表示原圖，右邊是腐蝕處理后的圖像，可以發(fā)現(xiàn)圖像中的干擾細線（噪聲）被清洗干凈。

如果腐蝕之后的圖像仍然存在噪聲，可以設置迭代次數(shù)進行多次腐蝕操作。比如進行9次腐蝕操作的核心代碼如下：

erosion = cv2.erode(src, kernel,iterations=9)

最終經(jīng)過9次腐蝕處理的輸出圖像如圖3所示。

三.圖像膨脹

圖像膨脹是腐蝕操作的逆操作，類似于“領域擴張”，它將圖像中的高亮區(qū)域或白色部分進行擴張，其運行結果比原圖的高亮區(qū)域更大。

設A，B為集合，∅為空集，A被B的膨脹，記為A⊕B，其中⊕為膨脹算子，膨脹定義為：

該公式表示用B來對圖像A進行膨脹處理，其中B是一個卷積模板，其形狀可以為正方形或圓形，通過模板B與圖像A進行卷積計算，掃描圖像中的每一個像素點，用模板元素與二值圖像元素做“與”運算，如果都為0，那么目標像素點為0，否則為1。從而計算B覆蓋區(qū)域的像素點最大值，并用該值替換參考點的像素值實現(xiàn)圖像膨脹。圖4是將左邊的原始圖像A膨脹處理為右邊的效果圖A⊕B。

圖像被腐蝕處理后，它將去除噪聲，但同時會壓縮圖像，而圖像膨脹操作可以去除噪聲并保持原有形狀，如圖5所示。

在Python中，主要調用OpenCV的dilate()函數(shù)實現(xiàn)圖像腐蝕。函數(shù)原型如下：

dst = cv2.dilate(src, kernel, iterations)

– src表示原始圖像

– kernel表示卷積核，可以用numpy.ones()函數(shù)構建

– iterations表示迭代次數(shù)，默認值為1，表示進行一次膨脹操作

圖像膨脹操作的代碼如下所示：

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

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

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

#圖像膨脹處理
erosion = cv2.dilate(src, kernel)

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

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

輸出結果如圖6所示：

四.總結

本文主要介紹圖像形態(tài)學處理，詳細講解了圖像腐蝕處理和膨脹處理。數(shù)學形態(tài)學是一種應用于圖像處理和模式識別領域的新方法，其基本思想是用具有一定形態(tài)的結構元素去量度和提取圖像中對應形狀以達到對圖像分析和識別目的。

到此這篇關于Python圖像運算之腐蝕與膨脹詳解的文章就介紹到這了,更多相關Python圖像腐蝕 膨脹內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論