python之基本形態(tài)學(xué)濾波實(shí)例分析

本文小編為大家詳細(xì)介紹“python之基本形態(tài)學(xué)濾波實(shí)例分析”，內(nèi)容詳細(xì)，步驟清晰，細(xì)節(jié)處理妥當(dāng)，希望這篇“python之基本形態(tài)學(xué)濾波實(shí)例分析”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學(xué)習(xí)新知識吧。

引言

對圖像進(jìn)行形態(tài)學(xué)變換。變換對象一般為灰度圖或二值圖，功能函數(shù)放在morphology子模塊內(nèi)。

1、膨脹（dilation)

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

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

selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)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(jìn)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(jìn)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(jìn)行膨脹操作，結(jié)果如下：

可見濾波器的大小，對操作結(jié)果的影響非常大。一般設(shè)置為奇數(shù)。

除了正方形的濾波器外，濾波器的形狀還有一些，現(xiàn)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(diào)用：

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

用此函數(shù)比處理灰度圖像要快。

2、腐蝕（erosion)

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

selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)域的形狀和大小。

和膨脹相反的操作，將0值擴(kuò)充到鄰近像素。擴(kuò)大黑色部分，減小白色部分?？捎脕硖崛」歉尚畔?，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(jìn)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(jìn)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(diào)用：

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

用此函數(shù)比處理灰度圖像要快。

3、開運(yùn)算（opening)

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

selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)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(jìn)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(diào)用：

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

用此函數(shù)比處理灰度圖像要快。

4、閉運(yùn)算（closing)

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

selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)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(jìn)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(diào)用：

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

用此函數(shù)比處理灰度圖像要快。

5、白帽（white-tophat)

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

selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)域的形狀和大小。

將原圖像減去它的開運(yùn)算值，返回比結(jié)構(gòu)化元素小的白點(diǎn)

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

selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)域的形狀和大小。

將原圖像減去它的閉運(yùn)算值，返回比結(jié)構(gòu)化元素小的黑點(diǎn)，且將這些黑點(diǎn)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')

讀到這里，這篇“python之基本形態(tài)學(xué)濾波實(shí)例分析”文章已經(jīng)介紹完畢，想要掌握這篇文章的知識點(diǎn)還需要大家自己動手實(shí)踐使用過才能領(lǐng)會，如果想了解更多相關(guān)內(nèi)容的文章，歡迎關(guān)注億速云行業(yè)資訊頻道。