图像膨胀、腐蚀算法实现 python源码 |
您所在的位置：网站首页 › 图像的膨胀matlab代码 › 图像膨胀、腐蚀算法实现 python源码 |
图像膨胀、腐蚀算法实现 python源码
|
如果您觉得本文不错！记得点赞哦！ 一. 图像形态学简介： 图解图像腐蚀、膨胀 ↑ 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 # Writer : [email protected] # Date : 2020.3.21 import cv2 import numpy as np import matplotlib.pyplot as plt # Gray scale def BGR2GRAY(img): b = img[:, :, 0].copy() g = img[:, :, 1].copy() r = img[:, :, 2].copy() # Gray scale out = 0.2126 * r + 0.7152 * g + 0.0722 * b out = out.astype(np.uint8) return out # Otsu Binalization def otsu_binarization(img, th=128): H, W = img.shape out = img.copy() max_sigma = 0 max_t = 0 # determine threshold for _t in range(1, 255): v0 = out[np.where(out < _t)] m0 = np.mean(v0) if len(v0) > 0 else 0. w0 = len(v0) / (H * W) v1 = out[np.where(out >= _t)] m1 = np.mean(v1) if len(v1) > 0 else 0. w1 = len(v1) / (H * W) sigma = w0 * w1 * ((m0 - m1) ** 2) if sigma > max_sigma: max_sigma = sigma max_t = _t # Binarization print("threshold >>", max_t) th = max_t out[out < th] = 0 out[out >= th] = 255 return out # Morphology Dilate def Morphology_Dilate(img, Dil_time=1): H, W = img.shape # kernel MF = np.array(((0, 1, 0), (1, 0, 1), (0, 1, 0)), dtype=np.int) # each dilate time out = img.copy() for i in range(Dil_time): tmp = np.pad(out, (1, 1), 'edge') for y in range(1, H): for x in range(1, W): if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) >= 255: out[y, x] = 255 return out # Morphology Erode def Morphology_Erode(img, Erode_time=1): H, W = img.shape out = img.copy() # kernel MF = np.array(((0, 1, 0), (1, 0, 1), (0, 1, 0)), dtype=np.int) # each erode for i in range(Erode_time): tmp = np.pad(out, (1, 1), 'edge') # erode for y in range(1, H): for x in range(1, W): if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) < 255*4: out[y, x] = 0 return out # Read image img = cv2.imread("../paojie.jpg").astype(np.float32) # Grayscale gray = BGR2GRAY(img) # Otsu's binarization otsu = otsu_binarization(gray) # Morphology - dilate erode_result = Morphology_Erode(otsu, Erode_time=2) dilate_result = Morphology_Dilate(otsu,Dil_time=2) # Save result cv2.imwrite("Black_and_white.jpg",otsu) cv2.imshow("Black_and_white",otsu) cv2.imwrite("erode_result.jpg", erode_result) cv2.imshow("erode_result", erode_result) cv2.imwrite("dilate_result.jpg", dilate_result) cv2.imshow("dilate_result",dilate_result) cv2.waitKey(0) 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/wojianxin/p/12542004.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！ |
【本文地址】
今日新闻 |
推荐新闻 |