重庆分公司,新征程启航
为企业提供网站建设、域名注册、服务器等服务
本篇文章给大家分享的是有关使用Python怎么对图像进行膨胀与腐蚀处理,小编觉得挺实用的,因此分享给大家学习,希望大家阅读完这篇文章后可以有所收获,话不多说,跟着小编一起来看看吧。
创新互联公司专注于集安网站建设服务及定制,我们拥有丰富的企业做网站经验。 热诚为您提供集安营销型网站建设,集安网站制作、集安网页设计、集安网站官网定制、小程序开发服务,打造集安网络公司原创品牌,更为您提供集安网站排名全网营销落地服务。让我们开始吧,同样我们需要导入必需的库。
import numpy as np import matplotlib.pyplot as plt from skimage.io import imread, imshow from skimage.draw import circle from skimage.morphology import erosion, dilation
首先让我们创建一个容易操作的形状--一个简单的圆。
circ_image = np.zeros((100, 100)) circ_image[circle(50, 50, 25)] = 1 imshow(circ_image);
现在让我们定义一个内核。
cross = np.array([[0,1,0], [1,1,1], [0,1,0]]) imshow(cross, cmap = 'gray');
将腐蚀函数应用到创建的圆上。
eroded_circle = erosion(circ_image, cross) imshow(eroded_circle);
图像看起来几乎一模一样。要看到那些微小的差异,我们必须仔细查看图像。
linecolor = 'red' fig, ax = plt.subplots(1, 2, figsize=(12, 5)) ax[0].imshow(circ_image, cmap = 'gray'); ax[0].set_title('Original', fontsize = 19) ax[0].axvline(x = 25, color = linecolor) ax[0].axvline(x = 75, color = linecolor) ax[0].axhline(y = 25, color = linecolor) ax[0].axhline(y = 75, color = linecolor) ax[1].imshow(eroded_circle, cmap = 'gray'); ax[1].set_title('Eroded', fontsize = 19) ax[1].axvline(x = 25, color = linecolor) ax[1].axvline(x = 75, color = linecolor) ax[1].axhline(y = 25, color = linecolor) ax[1].axhline(y = 75, color = linecolor) fig.tight_layout()
我们可以看到,被腐蚀的圆已经略微缩小了。这就是腐蚀一个对象的意义。如果我们对腐蚀函数进行迭代,它的效果会变得非常明显。
def multi_erosion(image, kernel, iterations): for i in range(iterations): image = erosion(image, kernel) return image ites = [2,4,6,8,10,12,14,16,18,20] fig, ax = plt.subplots(2, 5, figsize=(17, 5)) for n, ax in enumerate(ax.flatten()): ax.set_title(f'Iterations : {ites[n]}', fontsize = 16) new_circle = multi_erosion(circ_image, cross, ites[n]) ax.imshow(new_circle, cmap = 'gray'); ax.axis('off') fig.tight_layout()
上图清楚地显示了图像是如何被腐蚀的。现在让我们尝试改变内核,如果我们使用水平线和垂直线内核代替交叉内核会怎样呢?
h_line = np.array([[0,0,0], [1,1,1], [0,0,0]]) v_line = np.array([[0,1,0], [0,1,0], [0,1,0]]) fig, ax = plt.subplots(1, 2, figsize=(15, 5)) ax[0].imshow(h_line, cmap='gray'); ax[1].imshow(v_line, cmap='gray'); fig.tight_layout()
ites = [2,4,6,8,10,12,14,16,18,20] fig, ax = plt.subplots(2, 5, figsize=(17, 5)) for n, ax in enumerate(ax.flatten()): ax.set_title(f'Horizontal Iterations : {ites[n]}', fontsize = 12) new_circle = multi_erosion(circ_image, h_line, ites[n]) ax.imshow(new_circle, cmap = 'gray'); ax.axis('off') fig.tight_layout() fig, ax = plt.subplots(2, 5, figsize=(17, 5)) for n, ax in enumerate(ax.flatten()): ax.set_title(f'Vertical Iterationss : {ites[n]}', fontsize = 12) new_circle = multi_erosion(circ_image, v_line, ites[n]) ax.imshow(new_circle, cmap = 'gray'); ax.axis('off') fig.tight_layout()
正如我们所看到的,水平和垂直的腐蚀以不同的方式影响着图像。使用水平内核我们得到一个垂直方向细长的圆;而使用垂直内核我们得到一个水平方向细长的圆。
你可能会奇怪,为什么使用垂直内核,会得到一个水平方向细长的圆呢?
因为腐蚀函数是分别寻找垂直和水平的线条,并慢慢把它们削掉。膨胀函数将会让我们更清晰的理解这一点。
使用下面的函数设置处理的图像、膨胀内核以及迭代次数。
def multi_dilation(image, kernel, iterations): for i in range(iterations): image = dilation(image, kernel) return image
让我们看一下处理后的图像有什么不同。
dilated_circle = multi_dilation(circ_image, cross, 1) linecolor = 'red' fig, ax = plt.subplots(1, 2, figsize=(12, 5)) ax[0].imshow(circ_image, cmap = 'gray'); ax[0].set_title('Original', fontsize = 19) ax[0].axvline(x = 25, color = linecolor) ax[0].axvline(x = 75, color = linecolor) ax[0].axhline(y = 25, color = linecolor) ax[0].axhline(y = 75, color = linecolor) ax[1].imshow(dilated_circle, cmap = 'gray'); ax[1].set_title('Dilated', fontsize = 19) ax[1].axvline(x = 25, color = linecolor) ax[1].axvline(x = 75, color = linecolor) ax[1].axhline(y = 25, color = linecolor) ax[1].axhline(y = 75, color = linecolor) fig.tight_layout()
可以清楚地看到圆现在已经越过了红线,这清楚地表明它已经扩大了。现在让我们对水平和垂直扩张进行迭代。
ites = [2,4,6,8,10,12,14,16,18,20] fig, ax = plt.subplots(2, 5, figsize=(17, 5)) for n, ax in enumerate(ax.flatten()): ax.set_title(f'Horizontal Iterations : {ites[n]}', fontsize = 12) new_circle = multi_dilation(circ_image, h_line, ites[n]) ax.imshow(new_circle, cmap = 'gray'); ax.axis('off') fig.tight_layout() fig, ax = plt.subplots(2, 5, figsize=(17, 5)) for n, ax in enumerate(ax.flatten()): ax.set_title(f'Vertical Iterationss : {ites[n]}', fontsize = 12) new_circle = multi_dilation(circ_image, v_line, ites[n]) ax.imshow(new_circle, cmap = 'gray'); ax.axis('off') fig.tight_layout()
现在可以非常清楚地看到,水平扩张增加了图像宽度,而垂直扩张增加了图像高度。
现在我们已经了解了膨胀与腐蚀的基本原理,下面来看一个相对复杂的图像。
complex_image = imread('complex_image.png') imshow(complex_image);
在上面的图像中,我们看到了水平线、垂直线和圆的混合物。我们可以使用膨胀和腐蚀函数孤立地观察每一种形状。
为了得到圆,我们可以先腐蚀垂直的线,再腐蚀水平的线。但要记住最后要对图像进行膨胀,因为腐蚀函数同样腐蚀了圆。
step_1 = multi_erosion(complex_image, h_line,3) step_2 = multi_erosion(step_1, v_line,3) step_3 = multi_dilation(step_2, h_line,3) step_4 = multi_dilation(step_3, v_line,3) steps = [step_1, step_2, step_3, step_4] names = ['Step 1', 'Step 2', 'Step 3', 'Step 4'] fig, ax = plt.subplots(2, 2, figsize=(10, 10)) for n, ax in enumerate(ax.flatten()): ax.set_title(f'{names[n]}', fontsize = 22) ax.imshow(steps[n], cmap = 'gray'); ax.axis('off') fig.tight_layout()
同样,下面的代码将得到水平的线。
step_1 = multi_erosion(complex_image, cross, 20) step_2 = multi_dilation(step_1, h_line, 20) step_3 = multi_dilation(step_2, v_line,2) steps = [step_1, step_2, step_3] names = ['Step 1', 'Step 2', 'Step 3'] fig, ax = plt.subplots(1, 3, figsize=(10, 10)) for n, ax in enumerate(ax.flatten()): ax.set_title(f'{names[n]}', fontsize = 22) ax.imshow(steps[n], cmap = 'gray'); ax.axis('off') fig.tight_layout()
为了得到垂直的线,我们可以创建一个新的内核。
long_v_line = np.array([[0,1,0], [0,1,0], [0,1,0], [0,1,0], [0,1,0]]) step_1 = multi_erosion(complex_image, long_v_line, 10) step_2 = multi_dilation(step_1 ,long_v_line, 10) steps = [step_1, step_2] names = ['Step 1', 'Step 2'] fig, ax = plt.subplots(1, 2, figsize=(10, 10)) for n, ax in enumerate(ax.flatten()): ax.set_title(f'{names[n]}', fontsize = 22) ax.imshow(steps[n], cmap = 'gray'); ax.axis('off') fig.tight_layout()
注意,内核并不局限于本文中提到的这几种,可以根据不同的需求自己定义合适的内核。
以上就是使用Python怎么对图像进行膨胀与腐蚀处理,小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注创新互联行业资讯频道。