网站悬浮框代码,新乡网站搜索引擎优化,前端app开发流程,幻灯片在什么网站做目录
1. 简述
2. 用腐蚀和膨胀实现开运算
2.1 代码示例
2.2 运行结果
3. 开运算接口
3.1 参数详解
3.2 代码示例
3.3 运行结果
4. 开运算应用场景
5. 注意事项
6. 总结 相关阅读
OpenCV#xff1a;图像的腐蚀与膨胀-CSDN博客
OpenCV#xff1a;闭运算-CSDN博客 …目录
1. 简述
2. 用腐蚀和膨胀实现开运算
2.1 代码示例
2.2 运行结果
3. 开运算接口
3.1 参数详解
3.2 代码示例
3.3 运行结果
4. 开运算应用场景
5. 注意事项
6. 总结 相关阅读
OpenCV图像的腐蚀与膨胀-CSDN博客
OpenCV闭运算-CSDN博客 1. 简述 简而言之开运算 腐蚀 膨胀 开运算 是一种形态学操作通常用于去除图像中的小噪点同时保留较大的前景物体。 它的操作顺序是
先对图像进行 腐蚀去除细小的噪点和瑕疵。再进行 膨胀恢复被腐蚀的前景物体形状。
开运算的主要作用是
去除噪声尤其是白色背景下的黑色小物体。平滑前景物体的边缘。
开运算的数学表达式为 其中
A 是输入图像。B 是卷积核。⊖ 表示腐蚀操作。⊕ 表示膨胀操作。 2. 用腐蚀和膨胀实现开运算
2.1 代码示例
import cv2
import numpy as npimage cv2.imread(D:\\resource\\filter\\q3.jpg)# 卷积核
kernel cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))# 腐蚀操作
result1 cv2.erode(image, kernel, iterations1)# 膨胀操作
result2 cv2.dilate(result1, kernel, iterations1)# 显示原始图像、开运算腐蚀 膨胀图像
cv2.imshow(image, image)
cv2.imshow(result2, result2)cv2.waitKey(0)
cv2.destroyAllWindows()2.2 运行结果 从左到右
原始黑底白字图像带一些白色的噪点。图像腐蚀和膨胀之后的结果白色噪点消失。 3. 开运算接口
在 OpenCV 中开运算由函数 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操作类型开运算的标识符为 cv2.MORPH_OPEN。kernel结构元素卷积核。决定形态学操作的邻域范围和形状。可以使用 cv2.getStructuringElement() 创建。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_OPEN, kernel) 3.2 代码示例
import cv2
import numpy as npimage cv2.imread(D:\\resource\\filter\\q3.jpg)# 卷积核
kernel cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))# 腐蚀操作
#result1 cv2.erode(image, kernel, iterations1)# 膨胀操作
#result2 cv2.dilate(result1, kernel, iterations1)# 开运算
result2 cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)# 显示原始图像、开运算腐蚀 膨胀图像
cv2.imshow(image, image)
cv2.imshow(result2, result2)cv2.waitKey(0)
cv2.destroyAllWindows()3.3 运行结果 结果与2.2一致。 4. 开运算应用场景
去除小噪点在二值化图像中小的孤立噪声点可以通过开运算清除。提取连通区域对于连通区域的检测开运算可以去掉孤立的小物体仅保留目标区域。平滑边缘通过开运算前景物体的边缘可以更加平滑。
5. 注意事项
核的大小与形状卷积核的大小直接影响结果。核过大会过度去除图像细节核过小则可能无法有效去除噪声。输入图像类型开运算适用于二值化或灰度图像对于彩色图像需先转换。多次操作对于复杂噪声可能需要多次开运算或调整核的大小与形状。 6. 总结
开运算是图像形态学中的基本操作用于去除小噪点、平滑边缘等。OpenCV 提供了功能强大的接口 cv2.morphologyEx()可以灵活实现开运算及其他形态学操作。通过选择合适的卷积核可以在实际项目中轻松应对各种图像处理问题。
