如果您觉得本文不错！记得点赞哦！
一. 图像形态学简介：
经验之谈：形态学操作一般作用于二值图像，来连接相邻的元素（膨胀）或分离成独立的元素（侵蚀）。腐蚀和膨胀是针对图片中的白色（即前景）部分！
二. 图像形态学操作 膨胀和腐蚀的算法：
膨胀算法：
对于待操作的像素 f(x,y)，不论 f(x,y-1) 、f(x,y+1) 、f(x-1,y) 、f(x+1,y) 哪一个为255，则 f(x,y)=255。
膨胀操作 ↑
换句话说：将待操作的图像像素与以下 4-近邻矩阵 相乘，结果大于255的话，将中心像素设为255。
膨胀：待操作像素 * 上面矩阵 > =255，f(x,y) = 255。 ↑
腐蚀算法：
对于待操作的像素 f(x,y)，只有 f(x,y-1) 、f(x,y+1) 、f(x-1,y) 、f(x+1,y) 都为255，则 f(x,y)=255。
换句话说：将待操作的图像像素与以下 4-近邻矩阵 相乘，结果小于255*4的话，将中心像素设为0。
腐蚀：待操作像素 * 上面矩阵 < 255*4，f(x,y) = 0 。↑
三. python实现图像膨胀和腐蚀
1 # Writer : [email protected]
2 # Date : 2020.3.21
3 import cv2
4 import numpy as np
5 import matplotlib.pyplot as plt
6
7 # Gray scale
8 def BGR2GRAY(img):
9 b = img[:, :, 0].copy()
10 g = img[:, :, 1].copy()
11 r = img[:, :, 2].copy()
12
13 # Gray scale
14 out = 0.2126 * r + 0.7152 * g + 0.0722 * b
15 out = out.astype(np.uint8)
16
17 return out
18
19 # Otsu Binalization
20 def otsu_binarization(img, th=128):
21 H, W = img.shape
22 out = img.copy()
23
24 max_sigma = 0
25 max_t = 0
26
27 # determine threshold
28 for _t in range(1, 255):
29 v0 = out[np.where(out < _t)]
30 m0 = np.mean(v0) if len(v0) > 0 else 0.
31 w0 = len(v0) / (H * W)
32 v1 = out[np.where(out >= _t)]
33 m1 = np.mean(v1) if len(v1) > 0 else 0.
34 w1 = len(v1) / (H * W)
35 sigma = w0 * w1 * ((m0 - m1) ** 2)
36 if sigma > max_sigma:
37 max_sigma = sigma
38 max_t = _t
39
40 # Binarization
41 print("threshold >>", max_t)
42 th = max_t
43 out[out < th] = 0
44 out[out >= th] = 255
45
46 return out
47
48
49 # Morphology Dilate
50 def Morphology_Dilate(img, Dil_time=1):
51 H, W = img.shape
52
53 # kernel
54 MF = np.array(((0, 1, 0),
55 (1, 0, 1),
56 (0, 1, 0)), dtype=np.int)
57
58 # each dilate time
59 out = img.copy()
60 for i in range(Dil_time):
61 tmp = np.pad(out, (1, 1), ‘edge‘)
62 for y in range(1, H):
63 for x in range(1, W):
64 if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) >= 255:
65 out[y, x] = 255
66
67 return out
68
69
70 # Morphology Erode
71 def Morphology_Erode(img, Erode_time=1):
72 H, W = img.shape
73 out = img.copy()
74
75 # kernel
76 MF = np.array(((0, 1, 0),
77 (1, 0, 1),
78 (0, 1, 0)), dtype=np.int)
79
80 # each erode
81 for i in range(Erode_time):
82 tmp = np.pad(out, (1, 1), ‘edge‘)
83 # erode
84 for y in range(1, H):
85 for x in range(1, W):
86 if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) < 255*4:
87 out[y, x] = 0
88
89 return out
90
91
92 # Read image
93 img = cv2.imread("../paojie.jpg").astype(np.float32)
94
95 # Grayscale
96 gray = BGR2GRAY(img)
97
98 # Otsu‘s binarization
99 otsu = otsu_binarization(gray)
100
101 # Morphology - dilate
102 erode_result = Morphology_Erode(otsu, Erode_time=2)
103 dilate_result = Morphology_Dilate(otsu,Dil_time=2)
104
105 # Save result
106 cv2.imwrite("Black_and_white.jpg",otsu)
107 cv2.imshow("Black_and_white",otsu)
108 cv2.imwrite("erode_result.jpg", erode_result)
109 cv2.imshow("erode_result", erode_result)
110 cv2.imwrite("dilate_result.jpg", dilate_result)
111 cv2.imshow("dilate_result",dilate_result)
112 cv2.waitKey(0)
113 cv2.destroyAllWindows()
四. 实验结果：
二值图像（左），膨胀图像（中），侵蚀图像（右） ↑
五. 参考内容：
① https://www.jianshu.com/p/ba2cec49c981
② https://www.cnblogs.com/yibeimingyue/p/10856439.html
六. 版权声明：
未经作者允许，请勿随意转载抄袭，抄袭情节严重者，作者将考虑追究其法律责任，创作不易，感谢您的理解和配合！
原文地址：https://www.cnblogs.com/wojianxin/p/12542004.html
时间： 2024-11-05 17:33:57