翻譯 OpenCV Python教程形態變化

⚠️這個系列是自己瞎翻的，文法很醜，主要靠意會，跳著跳著撿重要的部分翻，翻錯了不負責，就這樣哈。

⚠️基於3.4.3，morphological transformations，附原文。

在這一章節，

形態變換是基於影象形狀的一些簡單操作。它通常在二進位制影象上執行。它需要兩個輸入，乙個是我們的原始影象，第二個是稱為結構元素或核心，它決定了操作的性質。兩個基本的形態**算符是侵蝕和膨脹。然後它的變體形式如開放，閉合，梯度等等也發揮作用。我們將在以下的幫助下逐一看到它們：

侵蝕的基本思想就像土壤侵蝕一樣，它會侵蝕前景物體的邊界（總是試圖保持前景為白色）。它具體做了什麼？核心在影象中滑動（如在上節提到的2d卷積中那樣）。只有當核心下的所有畫素都是1時，原始影象中的畫素（1或0）才會被認為是1，否則它會被侵蝕（變為零）。

所以那到底發生了啥，邊界附近的取決於核心大小的所有畫素都將被丟棄。因此，前景物件的厚度或大小減小，或者影象中的白色區域減小。它有助於消除小的白雜訊（正如我們在色彩空間章節中看到的那樣），分離兩個連線的物件等。

這裡，作為乙個例子，我用乙個完整的 5x5 核心。讓我們看看它是如何工作的：

import cv2 as cv
import numpy as np
img = cv.imread('j.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv.erode(img,kernel,iterations = 1)

結果：

它剛好於侵蝕相反。這裡，如果核心下至少有乙個畫素元素是 '1' ，那我們就認為這個畫素點為 '1' 。因此它令到影象上的白色區域或者前景的大小增加了。通常，在如去除雜訊這樣的情景下，侵蝕之後要用一次膨脹演算法。因為，侵蝕雖然能去掉白雜訊，但也會讓我們的物體縮小。因此我們要（用膨脹演算法把它再展開）。自從雜訊（從侵蝕演算法中）消失之後，它們就不會再（因為膨脹演算法而）出現了。但我們的物體區域會增加，它也有助於連線物體的破碎部分。

dilation = cv.dilate(img,kernel,iterations = 1)

結果：

開放就是腐蝕之後接膨脹的另一種叫法。它有助於消除雜訊，就像我們在上面解釋的那樣，這裡我們使用cv.morphologyex()方法。

opening = cv.morphologyex(img, cv.morph_open, kernel)

結果：

閉合與開放相反，膨脹之後接侵蝕。它有助於關閉掉前景物件上的小洞，或者物件上的小黑點。

closing = cv.morphologyex(img, cv.morph_close, kernel)

結果：

梯度是一張影象膨脹和侵蝕的差。

這個結果看起來像是物體的外邊線。

gradient = cv.morphologyex(img, cv.morph_gradient, kernel)

結果：

它是原圖與執行過開放演算法的原圖之差，以下是示例是按乙個9x9核心來進行的運算。

tophat = cv.morphologyex(img, cv.morph_tophat, kernel)

結果：

它是原圖經過閉合運算之後的結果與原圖之差。

blackhat = cv.morphologyex(img, cv.morph_blackhat, kernel)

結果：

在之前的示例中，我們在numpy的幫助下手動建立了乙個結構化的元素。它是長方形的，但在某些情況下，你可能需要圓形或者橢圓形的核心。所以為了達到這個目的，opencv 有個方法，cv.getstructuringelement()。你只需要傳入核心的形狀以及大小，你就能得到你需要的核心。

# rectangular kernel
>>> cv.getstructuringelement(cv.morph_rect,(5,5))
array([[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1]], dtype=uint8)
# elliptical kernel
>>> cv.getstructuringelement(cv.morph_ellipse,(5,5))
array([[0, 0, 1, 0, 0],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[0, 0, 1, 0, 0]], dtype=uint8)
# cross-shaped kernel
>>> cv.getstructuringelement(cv.morph_cross,(5,5))
array([[0, 0, 1, 0, 0],
[0, 0, 1, 0, 0],
[1, 1, 1, 1, 1],
[0, 0, 1, 0, 0],
[0, 0, 1, 0, 0]], dtype=uint8)

上篇：【翻譯：opencv-python教程】影象平滑

下篇：【翻譯：opencv-python教程】影象梯度

翻譯 OpenCV Python教程形態變化

翻譯 OpenCV Python教程模板匹配

OpenCV Python模糊處理

OpenCV Python 人臉檢測

翻譯 OpenCV Python教程 形態變化

翻譯 OpenCV Python教程 模板匹配

OpenCV Python模糊處理

OpenCV Python 人臉檢測

相關推薦

翻譯 OpenCV Python教程形態變化

翻譯 OpenCV Python教程模板匹配