常见的图像变换二值化与形态学操作-python-opencv版

以你之姓@ 2022-05-20 10:35 127阅读 0赞

1.变为rgb通道:  
img = cv2.cvtColor(img, cv2.COLOR\_BGR2RGB)  
2.变为灰度图:  
gray = cv2.cvtColor(img, cv2.COLOR\_BGR2GRAY)  
3.直方图均衡化(一般需化为灰度图):  
eq = cv2.equalizeHist(gray)\#灰度图像直方图均衡化

4.OTSU 方差法进行二值化  
ret1, th1\_bw = cv2.threshold(eq, 0, 255, cv2.THRESH\_OTSU) th1\_bw即为二值化后的图片

5.膨胀(一般为二值化后的图像进行二值化,但彩色图也可操作):  
1)选取核的大小:  
kernel = cv2.getStructuringElement(cv2.MORPH\_RECT,(12, 12))  
2)膨胀  
dilate1 = cv2.dilate(th1\_bw,kernel)  
cv2.imshow("膨胀",dilate1)  
cv2.waitKey()

6.腐蚀:  
kernel = cv2.getStructuringElement(cv2.MORPH\_RECT,(12, 12))  
dilate1 = cv2.erode(th1\_bw,kernel)  
cv2.imshow("腐蚀",erode)  
cv2.waitKey()

7.开运算  
kernel = cv2.getStructuringElement(cv2.MORPH\_RECT,(5, 5))  
opened = cv2.morphologyEx(img, cv2.MORPH\_OPEN, kernel)  
cv2.imshow("Open", opened)  
cv2.waitKey(0)

8.闭运算  
closed = cv2.morphologyEx(img, cv2.MORPH\_CLOSE, kernel)  
cv2.imshow("Close",closed);  
cv2.waitKey(0)

9.滤波运算:  
双边滤波:  
value1 = 3  
value2 = 1  
dx = value1 \* 12 \# 双边滤波参数一  
fc = value1 \* 8 \# 双边滤波参数二  
img = cv2.bilateralFilter(img,dx,fc\*2,fc/2) \#双边滤波EPFFilter(Src)

或:  
双边滤波器的优点是能够做边缘保存（edge preserving），一般过去用的维纳滤波或者高斯滤波去降噪。都会较明显地模糊边缘，对于高频细节的保护效果并不明显。  
双边滤波器顾名思义比高斯滤波多了一个高斯方差sigma－d，它是基于空间分布的高斯滤波函数。所以在边缘附近，离的较远的像素不会太多影响到边缘上的像素值，这样就保证了边缘附近像素值的保存。  
blurred=cv2.bilateralFilter(img, 9,41,41)

参考:[https://www.cnblogs.com/dyllove98/archive/2013/06/23/3151263.html][https_www.cnblogs.com_dyllove98_archive_2013_06_23_3151263.html]

[https_www.cnblogs.com_dyllove98_archive_2013_06_23_3151263.html]: https://www.cnblogs.com/dyllove98/archive/2013/06/23/3151263.html