OpenCV实践第二期:图像开运算VS闭运算
Python3
最后更新 2020-04-17 13:53 阅读 5219
最后更新 2020-04-17 13:53
阅读 5219
Python3
一、开运算
开运算(opening) 的实质是对图像先进行腐蚀(erode) 然后进行膨胀(dilate),相当于将两个图像处理技术封装在了一起,接着往下看吧。
1.1 原始图像
(原始图像是带有噪点的数字图像,怎么去除这些噪点呢,往下看哦)
1.2 代码实践
#coding:utf-8 #开运算 open_operation import cv2 import numpy as np # 开运算执行次数iter_times = 5 # 读取图像img = cv2.imread("test_02.jpg", flags=cv2.IMREAD_GRAYSCALE) # 定义操作框,在图像上以这个框大小的像素进行遍历开运算 operation_kernel = np.ones((3,3), np.uint8) # 开运算 result_image = cv2.morphologyEx(img, cv2.MORPH_OPEN, operation_kernel,iterations=iter_times) # 显示原始图像 cv2.imshow("img", img) # 显示处理完后的图像 cv2.imshow("result_image", result_image) cv2.waitKey(0)
代码解读:在上面的代码中,我们可以看到做了实际工作的是cv2.morphologyEx()这个函数,该函数一共四个参数,依次为需要处理的图像,处理图像的方式,处理的核大小,处理的次数,其中我们主要调试的是核的大小和处理的次数,这两个参数需要多次调试才能取得较好的效果,小编这里分别是3x3和5 当时核的大小也可以取7x7之类的,只要是整数就好了,不然会报错哦。
1.3 效果演示
(可以看到原始图像中的噪点几乎去除了,但是效果不是那么完美,需要我们做进一步调整。)
二、闭运算
闭运算与开运算是相反的操作, 都是由腐蚀与膨胀两种技术构成, 不同的是处理的顺序,闭运算先对图像进行膨胀, 然后进行腐蚀操作,闭运算主要用来填充图像中存在空洞的部分,也可以用来衔接相邻的部分。
2.1 原始图像
(注意文字的衔接和中间的白色部分)
2.2 代码实践
#coding:utf-8 import cv2 import numpy as np # 迭代次数iter_time = 1 # 读入灰度图 image = cv2.imread("binary2.jpg", flags=cv2.IMREAD_GRAYSCALE) # 定义操作框,在图像上以这个框大小的像素进行遍历闭运算 operation_kernel = np.ones((3,3), np.uint8) # 闭运算result_image = cv2.morphologyEx(image, cv2.MORPH_CLOSE, operation_kernel,iterations=iter_time) # 显示原始图像 cv2.imshow("img", image) # 显示处理完后的图像 cv2.imshow("result_image", result_image) cv2.waitKey(0)
代码解读:与之前的代码一样,我们主要关注cv2.morphologyEx()函数,不同的是我们的第二个参数换成了cv2.MORPH_CLOSE,也就是闭运算,另外几个参数都是类似的,注意与上一个区分哦。
2.3 效果演示
(可以看到原始图像中笔画中间的黑点消失了一部分,笔画衔接不得部分也被连接在了一起)