推广业务网站建设,济南建设主管部门网站,agile WordPress,移动互联网开发课件目录
1. 简述
2. 用膨胀和腐蚀实现闭运算
2.1 代码示例
2.2 运行结果
3. 闭运算接口
3.1 参数详解
3.2 代码示例
3.3 运行结果
4. 闭运算的应用场景
5. 注意事项 相关阅读
OpenCV#xff1a;图像的腐蚀与膨胀-CSDN博客
OpenCV#xff1a;开运算-CSDN博客 1. 简述…目录
1. 简述
2. 用膨胀和腐蚀实现闭运算
2.1 代码示例
2.2 运行结果
3. 闭运算接口
3.1 参数详解
3.2 代码示例
3.3 运行结果
4. 闭运算的应用场景
5. 注意事项 相关阅读
OpenCV图像的腐蚀与膨胀-CSDN博客
OpenCV开运算-CSDN博客 1. 简述 简而言之闭运算 膨胀 腐蚀 闭运算是一种形态学操作用于填补前景物体中的小孔洞、连接断裂部分以及平滑前景边缘。 它的操作顺序是
膨胀先扩展前景物体使前景变大。腐蚀再缩小前景物体恢复形状。
闭运算的作用可以概括为
填补前景中的小空隙。连接相近的前景区域。平滑边界。
数学表达式为 其中
A 是输入图像。B 是卷积核。⊕ 表示膨胀操作。⊖ 表示腐蚀操作。 2. 用膨胀和腐蚀实现闭运算
2.1 代码示例
import cv2
import numpy as npimage cv2.imread(D:\\resource\\filter\\q4.jpg)# 卷积核
kernel cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))# 膨胀操作
result1 cv2.dilate(image, kernel, iterations1)# 腐蚀操作
result2 cv2.erode(result1, kernel, iterations1)# 显示原始图像、闭运算膨胀 腐蚀图像
cv2.imshow(image, image)
cv2.imshow(result2, result2)cv2.waitKey(0)
cv2.destroyAllWindows()2.2 运行结果 从左到右
原始黑底白字图像白字内部带一些黑色的噪点。图像进行膨胀、腐蚀之后的结果内部黑色噪点消失。 3. 闭运算接口
在 OpenCV 中闭运算由函数 cv2.morphologyEx() 实现其关键参数如下
cv2.morphologyEx(src, op, kernel, dstNone, anchor(-1, -1), iterations1, borderTypecv2.BORDER_CONSTANT, borderValue0)3.1 参数详解
src输入图像。通常是二值化图像或灰度图像。op操作类型闭运算的标识符为 cv2.MORPH_CLOSE。kernel结构元素卷积核决定形态学操作的范围和形状。dst输出图像。默认为 None。anchor结构元素的锚点默认为 (-1, -1)即以核的中心为锚点。iterations操作的迭代次数默认为 1。borderType边界模式定义图像边界的填充方式常用 cv2.BORDER_CONSTANT。borderValue边界值仅在 borderType 为 cv2.BORDER_CONSTANT 时使用。 常用的参数为前3个
cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)
3.2 代码示例
import cv2
import numpy as npimage cv2.imread(D:\\resource\\filter\\q4.jpg)# 卷积核
kernel cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))# 膨胀操作
#result1 cv2.dilate(image, kernel, iterations1)# 腐蚀操作
#result2 cv2.erode(result1, kernel, iterations1)# 闭运算
result2 cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)# 显示原始图像、闭运算膨胀 腐蚀图像
cv2.imshow(image, image)
cv2.imshow(result2, result2)cv2.waitKey(0)
cv2.destroyAllWindows()3.3 运行结果 4. 闭运算的应用场景
填补前景中的小孔洞闭运算可以有效填补前景区域中的小空洞从而使目标更加完整。连接断裂的前景区域当前景物体存在细小的断裂区域时闭运算可以将其连接起来。平滑前景边界通过闭运算前景的边界可以变得更加平滑去除不必要的凹陷。
5. 注意事项
核的大小选择适当的核大小尤为重要过大或过小的核可能会导致处理效果不佳。输入图像类型通常对二值化图像进行闭运算效果更明显。迭代次数可以通过调整迭代次数来进一步增强效果。
