图像数据处理19

四、形态学图像处理

4.6 灰度图像的形态学处理

4.6.1灰度图像的腐蚀操作

灰度图像的腐蚀处理会让图像整体变暗，增强较暗的细节，抑制较亮的细节。其有助于分割图像、平滑图像边缘。

import cv2
import numpy as np

# 读取图像
image = cv2.imread('fu.jpg', cv2.IMREAD_GRAYSCALE)

# 检查图像是否成功加载
if image is None:
    print("Error: Image could not be read.")
    exit()

# 定义腐蚀操作的结构元素
kernel = np.ones((5, 5), np.uint8)

# 进行腐蚀操作
erosion_image = cv2.erode(image, kernel, iterations=1)

# 将原图缩小一半
resized_image = cv2.resize(image, None, fx=0.5, fy=0.5)

# 将腐蚀后的图像缩小一半
resized_erosion_image = cv2.resize(erosion_image, None, fx=0.5, fy=0.5)

# 显示原图
cv2.imshow('Original Image', resized_image)

# 显示腐蚀后的图像
cv2.imshow('Erosion Image', resized_erosion_image)

# 等待按键操作后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

4.6.2灰度图像的膨胀操作

灰度图像的膨胀处理会让图像整体变亮，增强较量的细节，抑制较暗的细节。其有助于填补图像中的空洞，连接相邻物体。

import cv2
import numpy as np

# 读取图像
image = cv2.imread('fu.jpg', cv2.IMREAD_GRAYSCALE)

# 检查图像是否成功加载
if image is None:
    print("Error: Image could not be read.")
    exit()

# 定义膨胀操作的结构元素
kernel = np.ones((5, 5), np.uint8)

# 进行膨胀操作
dilation_image = cv2.dilate(image, kernel, iterations=1)

# 将原图缩小一半
resized_image = cv2.resize(image, None, fx=0.5, fy=0.5)

# 将膨胀后的图像缩小一半
resized_dilation_image = cv2.resize(dilation_image, None, fx=0.5, fy=0.5)

# 显示原图
cv2.imshow('Original Image', resized_image)

# 显示膨胀后的图像
cv2.imshow('Dilation Image', resized_dilation_image)

# 等待按键操作后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

4.6.3灰度图像的开运算、闭运算

灰度图像的开运算闭运算与二值图像的定义相同，开运算使先腐蚀再膨胀，闭运算则是先膨胀再腐蚀。

灰度图像的开运算可以去除亮点噪声，其先通过腐蚀操作去除亮点，再通过膨胀操作恢复图像亮度，而被去除的亮点无法通过膨胀操作复原。

灰度图像闭运算可以消除图像小孔。其先通过膨胀操作扩展了图像中的亮区域，填充了原本存在的小孔洞或空白的区域。随后，经过腐蚀操作使图像恢复原来的亮度，腐蚀操作虽然在一定程度上缩小了亮区域的范围，但由于膨胀操作已经填充了孔洞，因此腐蚀操作并不会消除这些填充效果。

开运算

import cv2
import numpy as np

# 读取图像
image = cv2.imread('fu.jpg', cv2.IMREAD_GRAYSCALE)

# 检查图像是否成功加载
if image is None:
    print("Error: Image could not be read.")
    exit()

# 定义结构元素
kernel = np.ones((5, 5), np.uint8)

# 进行开运算操作：先腐蚀后膨胀
opened_image = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)

# 将原图缩小一半
resized_image = cv2.resize(image, None, fx=0.5, fy=0.5)

# 将开运算后的图像缩小一半
resized_opened_image = cv2.resize(opened_image, None, fx=0.5, fy=0.5)

# 显示原图
cv2.imshow('Original Image', resized_image)

# 显示开运算后的图像
cv2.imshow('Opened Image', resized_opened_image)

# 等待按键操作后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

闭运算

import cv2
import numpy as np

# 读取图像
image = cv2.imread('fu.jpg', cv2.IMREAD_GRAYSCALE)

# 检查图像是否成功加载
if image is None:
    print("Error: Image could not be read.")
    exit()

# 定义结构元素
kernel = np.ones((5, 5), np.uint8)

# 进行闭运算操作：先膨胀后腐蚀
closed_image = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)

# 将原图缩小一半
resized_image = cv2.resize(image, None, fx=0.5, fy=0.5)

# 将闭运算后的图像缩小一半
resized_closed_image = cv2.resize(closed_image, None, fx=0.5, fy=0.5)

# 显示原图
cv2.imshow('Original Image', resized_image)

# 显示闭运算后的图像
cv2.imshow('Closed Image', resized_closed_image)

# 等待按键操作后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

注：本人为在校学生，博客是边学边写的，主要是为了巩固知识，如有错误请积极指正。

本文的内容主要基于我对张运楚教授编著的《数字图像处理》一书的学习和理解。这本书深入浅出地介绍了数字图像处理的基本理论以及经典算法等，并且提供了丰富的示例代码和实际用例，极大地帮助了我学习图像处理知识。在此，我推荐大家阅读这本书，更加深入的学习有关图像处理的知识。