基于python的数字图像处理,python图像处理实战 豆瓣

　　本文主要介绍python数字图像处理中基本形态滤波实例的详细说明。有需要的朋友可以借鉴一下，希望能有所帮助。祝大家进步很大，早日升职加薪。

　　00-1010简介1、膨胀)2、侵蚀)3、打开)4、关闭)5、白礼帽6、黑礼帽

目录

　　对图像执行形态学变换。一般变换对象是灰度图像或二值图像，函数function放在形态学子模块中。

引言

　　原理：一般操作二值图像。找到一个像素值为1的点，并将其所有相邻像素设置为该值。值1表示白色，值0表示黑色，因此扩展操作可以扩展白色值的范围并压缩黑色值的范围。通常用于扩展边缘或填充小孔。

　　函数：skimage .形态学.稀释(image，selem=none)

　　Selem表示结构元素，用于设置局部区域的形状和大小。

　　从skimage导入数据

　　导入skimage .形态学作为sm

　　将matplotlib.pyplot作为plt导入

　　img=data.checkerboard()

　　DST1=sm。膨胀(IMG，sm。Square (5)) #扩展滤波由边长为5的正方形滤波器执行。

　　DST2=sm。膨胀(IMG，sm。Square (15)) #扩展滤波由边长为15的正方形滤波器执行。

　　plt.figure(形态学，figsize=(8，8))

　　plt.subplot(131)

　　plt.title(“原始图像”)

　　plt.imshow(img，plt.cm.gray)

　　plt.subplot(132)

　　plt.title(“形态学图像”)

　　plt.imshow(dst1，plt.cm.gray)

　　plt.subplot(133)

　　plt.title(“形态学图像”)

　　plt.imshow(dst2，plt.cm.gray)

　　使用边长为5或15的正方形滤镜对棋盘图片进行扩展，结果如下：

　　可以看出，滤波器的大小对运算结果影响很大。一般设置为奇数。

　　除了方形滤镜，还有一些其他形状的滤镜，如下所示：

　　形态学. square:平方

　　Morphology.disk:平面圆

　　形态学. ball:球形

　　形态学.立方体：立方体形状

　　形态学. diamond:钻石形状

　　Morphology.rectangle:矩形

　　形态学. star: Star

　　形态学.八角形：八角形

　　形态学。八面体：八面体

　　请注意，如果处理的图像是二进制图像(只有0和1)，您可以调用：

　　skim age . morphology . binary _ dilation(image，selem=None)

　　使用此功能比处理灰度图像更快。

1、膨胀（dilation)

　　函数：撇除.形态学.腐蚀(image，selem=none)

　　Selem表示结构元素，用于设置局部区域的形状和大小。

　　并且将值0扩展到相邻像素。放大黑色部分，缩小白色部分。它可以用来提取主干信息，去除毛刺和孤立像素。

　　从skimage导入数据

　　导入skimage .形态学作为sm

　　将matplotlib.pyplot作为plt导入

　　img=data.checkerboard()

　　dst1=侵蚀面积(img，平方面积(5

　　)) #用边长为5的正方形滤波器进行膨胀滤波

　　dst2=sm.erosion(img,sm.square(25)) #用边长为25的正方形滤波器进行膨胀滤波

　　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，如果处理图像为二值图像（只有0和1两个值），则可以调用：

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

　　

　　用此函数比处理灰度图像要快。

3、开运算（opening)

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

　　

　　selem表示结构元素，用于设定局部区域的形状和大小。

　　先腐蚀再膨胀，可以消除小物体或小斑块。

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)) #用边长为9的圆形滤波器进行膨胀滤波
　　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，如果处理图像为二值图像（只有0和1两个值），则可以调用：

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

　　

　　用此函数比处理灰度图像要快。

4、闭运算（closing)

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

　　

　　selem表示结构元素，用于设定局部区域的形状和大小。

　　先膨胀再腐蚀，可用来填充孔洞。

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)) #用边长为5的圆形滤波器进行膨胀滤波
　　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，如果处理图像为二值图像（只有0和1两个值），则可以调用：

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

　　

　　用此函数比处理灰度图像要快。

5、白帽（white-tophat)

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

　　

　　selem表示结构元素，用于设定局部区域的形状和大小。

　　将原图像减去它的开运算值，返回比结构化元素小的白点

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)

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

　　

　　selem表示结构元素，用于设定局部区域的形状和大小。

　　将原图像减去它的闭运算值，返回比结构化元素小的黑点，且将这些黑点反色。

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)

　　以上就是python数字图像处理之基本形态学滤波的详细内容，更多关于python数字图像形态学滤波的资料请关注盛行IT软件开发工作室其它相关文章！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。