詳解四種Python中基本形態(tài)學濾波的實現(xiàn)
最基礎的形態(tài)學操作有四個，分別是腐蝕、膨脹、開計算和閉計算，`scipy.ndimage分別實現(xiàn)了二值數(shù)組和灰度數(shù)組的這四種運算
| 二值 | 灰度 | |
|---|---|---|
| binary_erosion | grey_erosion | 腐蝕 |
| binary_dilation | grey_dilation | 膨脹 |
| binary_closing | grey_closing | 閉(先膨脹后腐蝕) |
| binary_opening | grey_opening | 開(先腐蝕后膨脹) |
二值形態(tài)學
所謂腐蝕，用數(shù)學符號表示為
其中Bij表示當B BB的原點在(i,j)處時，B中所有為1的值的集合。
這個式子的意思是，用結構B腐蝕A，當B的原點平移到圖像A的像元(i,j)時，若B完全被二者的重疊區(qū)域所包圍，則賦值為1，否則賦值為0。更直觀的例子是，如果B中為1的元素位置上，對應的A的像素值也都為1，則(i,j)處為1。
膨脹則與之相反，可表示為
換言之，只要B和A的重疊區(qū)域不是空集，那么(i,j)點就置為1。
舉個例子如下
import numpy as np
import matplotlib.pyplot as plt
import scipy.ndimage as sn
x = np.zeros([20,20])
x[5:15, 5:15] = 1
x_ero = sn.binary_erosion(x)
x_dil = sn.binary_dilation(x)
fig = plt.figure()
ax = fig.add_subplot(1,3,1)
ax.imshow(x)
plt.title("original")
ax = fig.add_subplot(1,3,2)
ax.imshow(x_ero)
plt.title("erosion")
ax = fig.add_subplot(1,3,3)
ax.imshow(x_dil)
plt.title("dilation")
plt.show()
效果如下
開運算是先腐蝕后膨脹；閉運算是先膨脹后腐蝕，示例如下
x = np.zeros([20,20])
x[5:15, 5:15] = 1
x[10:12,10:12] = 0
x[2:4, 2:4] = 1
x_open = sn.binary_opening(x)
x_close = sn.binary_closing(x)
fig = plt.figure()
ax = fig.add_subplot(1,3,1)
ax.imshow(x)
plt.title("original")
ax = fig.add_subplot(1,3,2)
ax.imshow(x_open)
plt.title("opening")
ax = fig.add_subplot(1,3,3)
ax.imshow(x_close)
plt.title("closing")
plt.show()
效果如下，可見開運算會去除孤立的1，閉運算會去除孤立的0。
灰度形態(tài)學
灰度圖像的腐蝕、膨脹以及開閉運算，是其二值形勢下的一個擴展，采用了類似卷積的邏輯，下面直接從scipy中調取樓梯圖片，并依次做腐蝕、膨脹以及開閉操作。
from scipy.misc import ascent
img = ascent()
funcs = {
"original": lambda x, tmp:x,
"erosion" : sn.grey_erosion,
"dilation" : sn.grey_dilation,
"opening" : sn.grey_opening,
"closing" : sn.grey_closing
}
fig = plt.figure()
for i, key in enumerate(funcs):
ax = fig.add_subplot(2,3,i+1)
plt.imshow(funcs[key](img, (10,10)), cmap=plt.cm.gray)
plt.title(key)
plt.show()
效果如下
參數(shù)列表
二值函數(shù)和灰度函數(shù)的參數(shù)并不相同，下面以closing運算為例，二值和灰度函數(shù)的所有參數(shù)，除了輸入input之外，二者共有的參數(shù)有
- structure 為數(shù)組類型，表示構造元素，可以理解為是卷積模板
- output 與輸入相同維度的數(shù)組，可以存下結果
- orgin 過濾器設置，默認為0
二值形態(tài)學濾波的其他參數(shù)如下
binary_closing(input, iterations=1, mask=None, border_value=0, brute_force=False)
其中
- iterations 執(zhí)行次數(shù)
- mask 掩模數(shù)組，為bool類型的數(shù)組，對應False的位置將不會改變
- border_value 邊緣處的值
- brute_force 如果為False，則只有上次迭代中發(fā)生變化的值才會更新
grey_closing(input, size=None, footprint=None, mode='reflect', cval=0.0)
- size 為濾波模板
- mode 可選reflect,constant,nearest,mirror, wrap，邊緣填充方式
- cval 邊緣填充值
到此這篇關于詳解四種Python中基本形態(tài)學濾波的實現(xiàn)的文章就介紹到這了,更多相關Python形態(tài)學濾波內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
今天小編就為大家分享一篇python按照多個條件排序的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-02-02
淺談django框架集成swagger以及自定義參數(shù)問題
這篇文章主要介紹了淺談django框架集成swagger以及自定義參數(shù)問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-07-07
這篇文章主要介紹了Python日志采集,在實際使用python做自動化測試過程中兩種解決思路都可以使用，且都挺方便，其中對于思路1，還可以將代碼進行更進一步的封裝，需要的朋友可以參考下2022-05-05
這篇文章主要介紹了Python中的xml與dict的轉換方法詳解,xml 是指可擴展標記語言，一種標記語言類似html,作用是傳輸數(shù)據(jù)，而且不是顯示數(shù)據(jù)?？梢宰远x標簽,需要的朋友可以參考下2023-07-07
淺談Python實現(xiàn)opencv之圖片色素的數(shù)值運算和邏輯運算
今天帶大家來學習的是關于Python的相關知識,文章圍繞著圖片色素的數(shù)值運算和邏輯運算展開,文中有非常詳細的的介紹及代碼示例,需要的朋友可以參考下2021-06-06
python 制作自定義包并安裝到系統(tǒng)目錄的方法
今天小編就為大家分享一篇python 制作自定義包并安裝到系統(tǒng)目錄的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-10-10
Python實戰(zhàn)之實現(xiàn)獲取動態(tài)圖表
這篇文章主要介紹了利用Python實現(xiàn)動態(tài)化圖表，文中的示例代碼介紹詳細，對我們的工作或學習有一定的價值，感興趣的同學可以學習一下2021-12-12
這篇文章主要介紹了詳解Python中的Array模塊,Python中的array模塊是一個預定義的數(shù)組，因此其在內(nèi)存中占用的空間比標準列表小得多，同時也可以執(zhí)行快速的元素級別操作，例如添加、刪除、索引和切片等操作，需要的朋友可以參考下2023-04-04
Python Socket TCP雙端聊天功能實現(xiàn)過程詳解
這篇文章主要介紹了Python Socket TCP雙端聊天功能實現(xiàn)過程詳解,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-06-06
這篇文章主要介紹了pycharm 添加解釋器的方法步驟，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-08-08