图像处理07 图像腐蚀--图像梯度

腐蚀

腐蚀 (Eroding) 会沿着图像边界向内收缩, 从而消除边界点.

 

# 读取图片
img = cv2.imread("girl.png")

# 腐蚀
erode = cv2.erode(img, kernel=(3, 3), iterations=5)

# 图片展示
cv2.imshow("erode", erode)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

膨胀

膨胀 (Dilating) 会沿着图像边界向外膨胀.

# 读取图片
img = cv2.imread("girl.png")

# 膨胀
dilate = cv2.dilate(img, kernel=(3, 3), iterations=5)

# 图片展示
cv2.imshow("dilate", dilate)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

 

 

 

 

开运算

开运算: 先腐蚀 (Eroding) 在膨胀 (Dilating).

# 读取图片
img = cv2.imread("girl.png")

# 开运算
open = cv2.morphologyEx(img, cv2.MORPH_OPEN, (3, 3), iterations=5)

# 图像展示
cv2.imshow('open', open)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

 

 

 

闭运算

开运算: 先膨胀 (Dilating), 再腐蚀 (Eroding).

 

# 读取图片
img = cv2.imread("girl.png")

# 闭运算
close = cv2.morphologyEx(img, cv2.MORPH_CLOSE, (3, 3), iterations=5)

# 图像展示
cv2.imshow('close', close)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

 

 

梯度运算

梯度: 膨胀 (Dilating) - 腐蚀 (Eroding).

 

# 读取图片
pie = cv2.imread("girl.png")

# 核
kernel = np.ones((7, 7), np.uint8)

# 计算梯度
gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel=kernel)

# 图片展示
cv2.imshow("gradient", gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

礼帽

礼帽 (Top Hat): 原始输入 - 开运算结果.

# 读取图片
img = cv2.imread("girl.png")

# 核
kernel = np.ones((7, 7), np.uint8)

# 礼帽
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel=kernel)

# 图片展示
cv2.imshow("tophat", tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

 

 

黑帽

黑帽 (Black Hat): 闭运算 - 原始输入.

# 读取图片
img = cv2.imread("girl.png")

# 核
kernel = np.ones((7, 7), np.uint8)

# 礼帽
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel=kernel)

# 图片展示
cv2.imshow("blackhat", blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

 

Sobel 算子
Sobel 算子 (Sobeloperator) 是边缘检测中非常重要的一个算子. Sobel 算子是一类离散性差分算子, 用来运算图像高亮度函数的灰度之近似值.

格式:

cv2.Sobel(src, ddepth, dx, dy, ksize)
1
参数:

src: 原图
ddepth: 图片深度
dx: 水平方向
dy: 竖直方向
ksize: 算子大小

# 读取图片
img = cv2.imread("girl.png")

# Sobel算子
sobelx = cv2.Sobel(img, -1, 1, 0, ksize=3)

# 展示图片
cv2.imshow("sobelx", sobelx)
cv2.waitKey(0)
cv2.destroyAllWindows()

计算 y

# 读取图片
img = cv2.imread("girl.png")

# Sobel算子
sobely = cv2.Sobel(img, -1, 0, 1, ksize=3)

# 展示图片
cv2.imshow("sobely", sobely)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

 

计算 x+y

# 读取图片
img = cv2.imread("girl.png")

# Sobel算子
sobel = cv2.Sobel(img, -1, 1, 1, ksize=3)

# 展示图片
cv2.imshow("sobel", sobel)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

 

融合

# 读取图片
img = cv2.imread("girl.png")

# Sobel算子
sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)

# 转换成绝对值
sobelx = cv2.convertScaleAbs(sobelx)
sobely = cv2.convertScaleAbs(sobely)

# 融合
sobel_xy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)

# 展示图片
cv2.imshow("sobel_xy", sobel_xy)
cv2.waitKey(0)
cv2.destroyAllWindows()