日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

python數字圖像處理之基本形態學濾波_python

作者：denny402 ? 更新時間： 2022-08-21 編程語言

引言

對圖像進行形態學變換。變換對象一般為灰度圖或二值圖，功能函數放在morphology子模塊內。

1、膨脹（dilation)

原理：一般對二值圖像進行操作。找到像素值為1的點，將它的鄰近像素點都設置成這個值。1值表示白，0值表示黑，因此膨脹操作可以擴大白色值范圍，壓縮黑色值范圍。一般用來擴充邊緣或填充小的孔洞。

功能函數：skimage.morphology.dilation(image,?selem=None）

selem表示結構元素，用于設定局部區域的形狀和大小。

from skimage import data
import skimage.morphology as sm
import matplotlib.pyplot as plt
img=data.checkerboard()
dst1=sm.dilation(img,sm.square(5))  #用邊長為5的正方形濾波器進行膨脹濾波
dst2=sm.dilation(img,sm.square(15))  #用邊長為15的正方形濾波器進行膨脹濾波
plt.figure('morphology',figsize=(8,8))
plt.subplot(131)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)
plt.subplot(132)
plt.title('morphological image')
plt.imshow(dst1,plt.cm.gray)
plt.subplot(133)
plt.title('morphological image')
plt.imshow(dst2,plt.cm.gray)

分別用邊長為5或15的正方形濾波器對棋盤圖片進行膨脹操作，結果如下：

可見濾波器的大小，對操作結果的影響非常大。一般設置為奇數。

除了正方形的濾波器外，濾波器的形狀還有一些，現列舉如下：

morphology.square: 正方形

morphology.disk: ?平面圓形

morphology.ball: 球形

morphology.cube: 立方體形

morphology.diamond: 鉆石形

morphology.rectangle: 矩形

morphology.star: 星形

morphology.octagon: 八角形

morphology.octahedron： 八面體

注意，如果處理圖像為二值圖像（只有0和1兩個值），則可以調用：

skimage.morphology.binary_dilation(image,?selem=None）

用此函數比處理灰度圖像要快。

2、腐蝕（erosion)

函數：skimage.morphology.erosion(image,?selem=None）

selem表示結構元素，用于設定局部區域的形狀和大小。

和膨脹相反的操作，將0值擴充到鄰近像素。擴大黑色部分，減小白色部分。可用來提取骨干信息，去掉毛刺，去掉孤立的像素。

from skimage import data
import skimage.morphology as sm
import matplotlib.pyplot as plt
img=data.checkerboard()
dst1=sm.erosion(img,sm.square(5))  #用邊長為5的正方形濾波器進行膨脹濾波
dst2=sm.erosion(img,sm.square(25))  #用邊長為25的正方形濾波器進行膨脹濾波
plt.figure('morphology',figsize=(8,8))
plt.subplot(131)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)
plt.subplot(132)
plt.title('morphological image')
plt.imshow(dst1,plt.cm.gray)
plt.subplot(133)
plt.title('morphological image')
plt.imshow(dst2,plt.cm.gray)

注意，如果處理圖像為二值圖像（只有0和1兩個值），則可以調用：

skimage.morphology.binary_erosion(image,?selem=None）

用此函數比處理灰度圖像要快。

3、開運算（opening)

函數：skimage.morphology.openning(image,?selem=None）

selem表示結構元素，用于設定局部區域的形狀和大小。

先腐蝕再膨脹，可以消除小物體或小斑塊。

from skimage import io,color
import skimage.morphology as sm
import matplotlib.pyplot as plt
img=color.rgb2gray(io.imread('d:/pic/mor.png'))
dst=sm.opening(img,sm.disk(9))  #用邊長為9的圓形濾波器進行膨脹濾波
plt.figure('morphology',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)
plt.axis('off')
plt.subplot(122)
plt.title('morphological image')
plt.imshow(dst,plt.cm.gray)
plt.axis('off')

注意，如果處理圖像為二值圖像（只有0和1兩個值），則可以調用：

skimage.morphology.binary_opening(image,?selem=None）

用此函數比處理灰度圖像要快。

4、閉運算（closing)

函數：skimage.morphology.closing(image,?selem=None）

selem表示結構元素，用于設定局部區域的形狀和大小。

先膨脹再腐蝕，可用來填充孔洞。

from skimage import io,color
import skimage.morphology as sm
import matplotlib.pyplot as plt
img=color.rgb2gray(io.imread('d:/pic/mor.png'))
dst=sm.closing(img,sm.disk(9))  #用邊長為5的圓形濾波器進行膨脹濾波
plt.figure('morphology',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)
plt.axis('off')
plt.subplot(122)
plt.title('morphological image')
plt.imshow(dst,plt.cm.gray)
plt.axis('off')

注意，如果處理圖像為二值圖像（只有0和1兩個值），則可以調用：

skimage.morphology.binary_closing(image,?selem=None）

用此函數比處理灰度圖像要快。

5、白帽（white-tophat)

函數：skimage.morphology.white_tophat(image,?selem=None）

selem表示結構元素，用于設定局部區域的形狀和大小。

將原圖像減去它的開運算值，返回比結構化元素小的白點

from skimage import io,color
import skimage.morphology as sm
import matplotlib.pyplot as plt
img=color.rgb2gray(io.imread('d:/pic/mor.png'))
dst=sm.white_tophat(img,sm.square(21))  
plt.figure('morphology',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)
plt.axis('off')
plt.subplot(122)
plt.title('morphological image')
plt.imshow(dst,plt.cm.gray)
plt.axis('off')

6、黑帽（black-tophat)

函數：skimage.morphology.black_tophat(image,?selem=None）

selem表示結構元素，用于設定局部區域的形狀和大小。

將原圖像減去它的閉運算值，返回比結構化元素小的黑點，且將這些黑點反色。

from skimage import io,color
import skimage.morphology as sm
import matplotlib.pyplot as plt
img=color.rgb2gray(io.imread('d:/pic/mor.png'))
dst=sm.black_tophat(img,sm.square(21))  
plt.figure('morphology',figsize=(8,8))
plt.subplot(121)
plt.title('origin image')
plt.imshow(img,plt.cm.gray)
plt.axis('off')
plt.subplot(122)
plt.title('morphological image')
plt.imshow(dst,plt.cm.gray)
plt.axis('off')

原文鏈接：https://www.cnblogs.com/denny402/p/5132677.html

欄目分類
最近更新