正文
包含python腐蚀膨胀函数的词条
提示：扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
形态学操作-腐蚀与膨胀
1.形态学操作
形态学操作就是基于形状的一系列图像处理操作。一般情况下对二值化的图像进行操作。腐蚀与膨胀是最基本的形态学操作
应用：
(1)消除噪声
(2)分割(isolate)独立的图像元素，以及连接(join)相邻的元素
(3)寻找图像中的明显的极大值区域或者极小值区域
2.膨胀(最大值dilate)
此操作是将图像A与任意形状（通常为正方形或圆形）的内核B，,进行卷积。
内核B有一个可定义的 锚点, 通常定义为内核中心点。
进行膨胀操作时，将内核B划过图像,将内核B覆盖区域的最大相素值提取，并代替锚点位置的相素。显然，这一最大化操作将会导致图像中的亮区开始”扩展” (因此有了术语膨胀 dilation )
src——输入图像.
dst——输出图像.
element——用于膨胀的结构元素。若为 NULL, 则使用 3×3 长方形的结构元素
iterations——膨胀的次数
3.腐蚀(erode)
腐蚀提取的是内核覆盖下的相素最小值。进行腐蚀操作时，将内核B划过图像,将内核B覆盖区域的最小相素值提取，并代替锚点位置的相素。
src——输入图像.
dst——输出图像.
element——用于腐蚀的结构元素。若为 NULL, 则使用 3×3 长方形的结构元素
iterations——腐蚀的次数
4.结构元素
我们一般使用函数 getStructuringElement配合膨胀或腐蚀算法使用
Mat strElement = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(3, 3), new Point(-1, -1));
其中有三种内核形状可以选择:
矩形: MORPH_RECT
交叉形: MORPH_CROSS
椭圆形: MORPH_ELLIPSE
再指定内核大小，以及锚点位置。不指定锚点位置，则默认锚点在内核中心位置。
5.图像的开运算
开运算：先腐蚀后膨胀，移除小的对象时候很有用
6.图像的闭运算
闭运算：先膨胀后腐蚀，被用来填充前景物体中的小洞，或者抹去前景物体上的小黑点
7.梯度：膨胀与腐蚀图之差
可以用来突出边缘，可以保留物体的边缘轮廓
8.顶帽：原图与开运算结果之差
开运算放大了裂缝或者局部低亮度的区域，所以，从原图中减去开运算后的图，得到的结果突出了比原图轮廓周围的区域更明亮的区域，这个操作与选择的核的大小有关。TopHat运算一般用来分离比邻近点亮一些的斑块，可以使用这个运算提取背景
9.黑帽运算：闭运算的结果与原图之差
黑帽运算的结果突出了比原图轮廓周围区域更暗的区域，所以黑帽运算用来分离比邻近点暗一些的斑块。
参考：
相关问答
Q1: 2021-02-13 Python OpenCV morphologyEx()函数
该函数执行高级形态转换，可以使用腐蚀和膨胀作为基本操作来执行高级形态转换，任何操作都能够原地执行。在多通道图像的例子中，每一个通道都独立地被处理。
erode(腐蚀)：它沿着物体边界移除像素并缩小物体的大小，会增强图像的暗部。
dilate(膨胀)：通过将像素添加到该图像中的对象的感知边界，扩张放大图像中的明亮白色区域。
opening operation(开运算):先腐蚀，后膨胀。能够排除小黑点。
close operation(闭运算):先膨胀，后腐蚀。能够排除小亮点。
src:输入图像，输入图像的通道数是任意的。
op:形态操作的类型如：cv2.MORPH_ERODE（腐蚀）,cv2.MORPH_DILATE（膨胀）,cv2.MORPH_OPEN（开运算)，cv2.MORPH_CLOSE（闭元素）
...等等操作
(详细参考官方文档 MorphTypes )
kernel:输入一个数组作为核。能被 getStructuringElement 创建。
anchor:核的锚点位置，负值说明该锚点位于核中心。默认为核中心。
iterations:整型int。腐蚀与膨胀被应用的次数。默认为None。
例：一次开运算迭代两次：（MORPH_OPEN= ）伴随两次迭代等于：腐蚀--腐蚀--膨胀--膨胀。
borderType:像素边界扩展类型，参照官方文档所列的几种类型 BorderTypes
borderValue:边界为常量时的边界值。默认值有特殊含义。默认值为None。
Q2: Python视觉识别--OpenCV开闭操作\分水岭算法(九)
闭操作：
1、图像形态学的重要操作之一，基于膨胀与腐蚀操作组合形成的
2、主要是应用在二值图像分析中，灰度图像也可以
3、开操作=膨胀+腐蚀，输入图像+结构元素
开操作：
1、图像形态学的重要操作之一，基于膨胀与腐蚀操作组合形成的
2、主要是应用在二值图像分析中，灰度图像也可以
3、开操作=腐蚀+膨胀，输入图像+结构元素
开操作与闭操作的区别是：膨胀与腐蚀的顺序
开操作作用：消除图像中小的干扰区域
闭操作作用：填充小的封闭区域
Q3: 图像膨胀腐蚀算法原理
膨胀和腐蚀python腐蚀膨胀函数的主要用途：
消除噪声python腐蚀膨胀函数；
分割出独立的图像元素，在图像中连接相邻的元素python腐蚀膨胀函数；
寻找图像中明显的极大值或极小值区；
求出图像的梯度；
【注】：
腐蚀和膨胀是对像素值大的部分而言的，即高亮白部分而不是黑色部分；
膨胀是图像中的高亮部分进行膨胀，领域扩张，效果图拥有比原图更大的高亮区域；
腐蚀是图像中的高亮部分被腐蚀掉，领域缩减，效果图拥有比原图更小的高亮区域；
2
/9
膨胀原理：
膨胀：求局部最大值；
①定义一个卷积核B，
核可以是任何的形状和大小，且拥有一个单独定义出来的参考点-锚点(anchorpoint)；
通常和为带参考点的正方形或者圆盘，可将核称为模板或掩膜；
②将核B与图像A进行卷积，计算核B覆盖区域的像素点最大值；
③将这个最大值赋值给参考点指定的像素；
因此，图像中的高亮区域逐渐增长。
3
/9
腐蚀原理：
腐蚀：局部最小值(与膨胀相反)；
①定义一个卷积核B，
核可以是任何的形状和大小，且拥有一个单独定义出来的参考点-锚点(anchorpoint)；
通常和为带参考点的正方形或者圆盘，可将核称为模板或掩膜；
②将核B与图像A进行卷积，计算核B覆盖区域的像素点最小值；
③将这个最小值赋值给参考点指定的像素；
因此，图像中的高亮区域逐渐减小。
4
/9
OpenCV中膨胀函数-dilate()
格式：
void dilate(
InputArray src,//输入
OutputArray dst, //输出
InputArray kernel, //核大小
Point anchor=Point(-1,-1),// 锚位置，(-1，-1)为中心
int iterations=1, //迭代次数
int borderType=BORDER_CONSTANT,//图像边界像素模式
const Scalar borderValue=morphologyDefaultBorderValue()//边界值
)
【注】：
关于核，一般配合getStructuringElement()使用；
getStructuringElement()：返回指定形状和尺寸的结构元素；
格式：
getStructuringElement(int shape, Size ksize, Point anchor=Point(-1,-1));
参数：
shape：表核的形状，矩形MORPH_RECT;交叉形MORPH_CROSS;椭圆形MORPH_ELLIPSE;
ksize:核尺寸大小；
anchor：锚点的位置，锚点只影响形态学运算结果的偏移；
5
/9
OpenCV中腐蚀函数-erode()
格式：
void erode(
InputArray src,//输入
OutputArray dst, //输出
InputArray kernel, //核大小
Point anchor=Point(-1,-1),// 锚位置，(-1，-1)为中心
int iterations=1, //迭代次数
int borderType=BORDER_CONSTANT,//图像边界像素模式
const Scalar borderValue=morphologyDefaultBorderValue()//边界值
)
6
/9
形态学开运算：
开运算(Open Operation)：先腐蚀后膨胀的过程；
功能：
消除小物体；
在纤细处分离物体；
平滑较大的边界并不明显改变其面积；
7
/9
形态学闭运算：
闭运算(Closing Openration),先膨胀后腐蚀；
功能：
排除小型黑洞(黑斑)；
8
/9
OpenCV：morphologyEx()
功能：morphologyEx函数利用基本的膨胀和腐蚀技术，来执行更加高级形态学变换，
如开闭运算，形态学梯度，“顶帽”、“黑帽”等等。
Q4: 2021-02-12 Python OpenCV getStructuringElement()函数
此函数用于生成不同形态的结构元素，用于膨胀，腐蚀，等形态操作。
shape:
1.cv2.MORPH_RECT(矩形结构化元素)
2.cv2.MORPH_CROSS(十字形结构化元素)
3.cv2.MORPH_ELLIPSE(椭圆形结构化元素,内接一个矩形)
参考 官方文档
ksize:元组(width,height)，结构元素的尺寸。
anchor:坐标(x,y)，元素内的锚定位置。默认值为(-1,-1)即结构化元素的中心。
python腐蚀膨胀函数的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于、python腐蚀膨胀函数的信息别忘了在本站进行查找喔。
