首页 > 编程语言 >跟我学Python图像处理丨基于灰度三维图的图像顶帽运算和黑帽运算

跟我学Python图像处理丨基于灰度三维图的图像顶帽运算和黑帽运算

时间:2022-08-17 11:37:54浏览次数:96  
标签:跟我学 运算 import cv2 灰度 图像 np ax

摘要:本篇文章结合灰度三维图像讲解图像顶帽运算和图像黑猫运算,通过Python调用OpenCV函数实现。

本文分享自华为云社区《[Python图像处理] 十三.基于灰度三维图的图像顶帽运算和黑帽运算》,作者: eastmount。

本篇文章继续深入,结合灰度三维图像讲解图像顶帽运算和图像黑猫运算,通过Python调用OpenCV函数实现。

一.图像顶帽运算

图像顶帽运算(top-hat transformation)又称为图像礼帽运算,它是用原始图像减去图像开运算后的结果,常用于解决由于光照不均匀图像分割出错的问题。其公式定义如下:

图像顶帽运算是用一个结构元通过开运算从一幅图像中删除物体,校正不均匀光照的影响,其效果图如下图所示。

在Python中,图像顶帽运算主要调用morphologyEx()实现,其中参数cv2.MORPH_TOPHAT表示顶帽处理,函数原型如下:

dst = cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel)

  • src表示原始图像
  • cv2.MORPH_TOPHAT表示图像顶帽运算
  • kernel表示卷积核,可以用numpy.ones()函数构建

假设存在一张光照不均匀的米粒图像,如图所示,我们需要调用图像顶帽运算解决光照不均匀的问题。其Python代码如下所示:

#encoding:utf-8
import cv2  
import numpy as np  
#读取图片
src = cv2.imread('test06.png', cv2.IMREAD_UNCHANGED)
#设置卷积核
kernel = np.ones((10,10), np.uint8)
#图像顶帽运算
result = cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel)
#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

其运行结果如下,它有效地将米粒与背景分离开来。

二.图像黑帽运算

图像底帽运算(bottom-hat transformation)又称为图像黑帽运算,它是用图像闭运算操作减去原始图像后的结果,从而获取图像内部的小孔或前景色中黑点,也常用于解决由于光照不均匀图像分割出错的问题。其公式定义如下:

图像底帽运算是用一个结构元通过闭运算从一幅图像中删除物体,常用于校正不均匀光照的影响。其效果图如下图所示。

在Python中,图像底帽运算主要调用morphologyEx()实现,其中参数cv2.MORPH_BLACKHAT表示底帽或黑帽处理,函数原型如下:

dst = cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernel)

  • src表示原始图像
  • cv2.MORPH_BLACKHAT表示图像底帽或黑帽运算
  • kernel表示卷积核,可以用numpy.ones()函数构建

Python实现图像底帽运算的代码如下所示:

#encoding:utf-8
import cv2  
import numpy as np  
#读取图片
src = cv2.imread('test06.png', cv2.IMREAD_UNCHANGED)
#设置卷积核
kernel = np.ones((10, 10), np.uint8)
#图像黑帽运算
result = cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernel)
#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

其运行结果如图所示:

三.基于灰度三维图的顶帽黑帽运算

为什么图像顶帽运算会消除光照不均匀的效果呢?通常可以利用灰度三维图来进行解释该算法。灰度三维图主要调用Axes3D包实现,对原图绘制灰度三维图的代码如下:

# -*- coding: utf-8 -*-
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
from matplotlib.ticker import LinearLocator, FormatStrFormatter
#读取图像
img = cv.imread("test06.png")
img = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
imgd = np.array(img) #image类转numpy
#准备数据
sp = img.shape
h = int(sp[0]) #图像高度(rows)
w = int(sp[1]) #图像宽度(colums) of image
#绘图初始处理
fig = plt.figure(figsize=(16,12))
ax = fig.gca(projection="3d")
x = np.arange(0, w, 1)
y = np.arange(0, h, 1)
x, y = np.meshgrid(x,y)
z = imgd
surf = ax.plot_surface(x, y, z, cmap=cm.coolwarm) 
#自定义z轴
ax.set_zlim(-10, 255)
ax.zaxis.set_major_locator(LinearLocator(10)) #设置z轴网格线的疏密
#将z的value字符串转为float并保留2位小数
ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f')) 
# 设置坐标轴的label和标题
ax.set_xlabel('x', size=15)
ax.set_ylabel('y', size=15)
ax.set_zlabel('z', size=15)
ax.set_title("surface plot", weight='bold', size=20)
#添加右侧的色卡条
fig.colorbar(surf, shrink=0.6, aspect=8) 
plt.show()

运行结果如下图所示:

从图像中的像素走势显示了该图受各部分光照不均匀的影响,从而造成背景灰度不均现象,其中凹陷对应图像中灰度值比较小的区域。而通过图像白帽运算后的图像灰度三维图的代码如下:

# -*- coding: utf-8 -*-
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
from matplotlib.ticker import LinearLocator, FormatStrFormatter
#读取图像
img = cv.imread("test06.png")
img = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
#图像黑帽运算
kernel = np.ones((10,10), np.uint8)
result = cv.morphologyEx(img, cv.MORPH_BLACKHAT, kernel)
#image类转numpy
imgd = np.array(result) 
#准备数据
sp = result.shape
h = int(sp[0]) #图像高度(rows)
w = int(sp[1]) #图像宽度(colums) of image
#绘图初始处理
fig = plt.figure(figsize=(8,6))
ax = fig.gca(projection="3d")
x = np.arange(0, w, 1)
y = np.arange(0, h, 1)
x, y = np.meshgrid(x,y)
z = imgd
surf = ax.plot_surface(x, y, z, cmap=cm.coolwarm) 
#自定义z轴
ax.set_zlim(-10, 255)
ax.zaxis.set_major_locator(LinearLocator(10)) #设置z轴网格线的疏密
#将z的value字符串转为float并保留2位小数
ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f')) 
# 设置坐标轴的label和标题
ax.set_xlabel('x', size=15)
ax.set_ylabel('y', size=15)
ax.set_zlabel('z', size=15)
ax.set_title("surface plot", weight='bold', size=20)
#添加右侧的色卡条
fig.colorbar(surf, shrink=0.6, aspect=8) 
plt.show()

效果图如下所示,对应的灰度更集中于10至100区间,由此证明了不均匀的背景被大致消除了,有利于后续的阈值分割或图像分割。

 

点击关注,第一时间了解华为云新鲜技术~

标签:跟我学,运算,import,cv2,灰度,图像,np,ax
From: https://www.cnblogs.com/huaweiyun/p/16594464.html

相关文章

  • 了解位运算
    1.与(&)运算符使用规则:两个二进制操作数对应位同为1结果位才为1,其余情况为0;3=>00000000000000115=>0000000000000101&   000000000000......
  • 第三章 2 基本运算符-数学运算 习题
    第三章2基本运算符-数学运算习题1、python运算符中用来计算整数商的是//2、语句x=3==3,5,执行结束后,变量x的值为(True,5)3、已知x=3,那么执行语句x+......
  • 【组成原理-数据】浮点数的编码与运算
    目录1浮点数的格式1.1符号(S)1.2阶码(E)1.3尾数(M)2IEEE754标准2.1短浮点数(float型)短浮点数的解释2.2长浮点数(double型)长浮点数的解释2.3相关例题3尾数的......
  • 第三章 2 基本运算符-数学运算 记忆笔记
    第三章2基本运算符-数学运算记忆笔记1、算术运算符+加法-减法*乘法/除法//整除**幂数%余数2、赋值运算符+=-=*=/=//=**=%=3、比较......
  • EL表达式概述和EL运算符
    EL表达式概念:ExpressionLanguage表达式语言作用:替换和简化jsp页面中java代码的编写语法:${表达式}注意:jsp默认支持el表达式的。如果要忽略el表达式设置jsp中page......
  • Java运算符
    运算符(operator)Java支持如下运算符:算术运算符:+,-,*,/,%,++,--赋值运算符=关系运算符:>,<,>=,<=,==,!=instanceof*逻辑运算符:&&,||,!*位运算符:&,|,^,~,>>,<<,>>......
  • 获取域中List集合和Map集合存储的值以及empty运算符和隐式对象pageContext
    获取域中List集合和Map集合存储的值 List集合:${域名称.键名[索引]}<%Useruser=newUser();user.setName("张三");user.se......
  • EL获取域中存储的值List集合&Map集合值和EL empty运算符&隐式对象pageContext
    EL获取域中存储的值List集合&Map集合值3.获取对象、List集合、Map集合的值1.对象:${域名称.键名.属性名}本质上会去调用对象的getter方法2.List集合:${......
  • c语言中按位操作的逻辑运算
     对于整数内部的位,有4种逻辑运算。 a、逻辑与, &,两者都为1时结果为1.b、逻辑或,  |, 两者只要一个为1结果就为1.c、逻辑异或,^,有且只有一个为1结果才为1.d、反......
  • C++之运算符重载
    1运算符重载运算符  +  -  *  /  ++  --  %  &&  ->  >  <等classPerson{public: Person(){} Person(int......