[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

admin
admin
admin
101335
文章
87
评论
2022年8月12日09:20:12评论31 views字数 5326阅读17分45秒阅读模式

该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助，如果有不足之处，还请海涵~

前面的第十篇文章讲解过图形形态学变换——顶帽运算和黑帽运算，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。基础性知识希望对您有所帮助。

  • 一.图像顶帽运算

  • 二.图像黑帽运算

  • 三.基于灰度三维图的顶帽黑帽运算

  • 四.总结

文章参考自己以前系列图像处理文章及OpenCV库函数。同时，本篇文章涉及到《计算机图形学》基础知识，请大家下来补充。该系列在github所有源代码：

  • https://github.com/eastmountyxz/
    ImageProcessing-Python

前文回顾（下面的超链接可以点击喔）：


学Python近八年，认识了很多大佬和朋友，感恩。深知自己很菜，得拼命努力前行，编程也没有什么捷径，干就对了。希望未来能更透彻学习和撰写文章，同时非常感谢参考文献中的大佬们的文章和分享，共勉。

- https://blog.csdn.net/eastmount

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：

[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

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。

[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

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：

[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

#encoding:utf-8import 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。

[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

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：

[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

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。

[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

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-8import 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：

[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

三.基于灰度三维图的顶帽黑帽运算

[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

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 npimport cv2 as cvimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom matplotlib import cmfrom 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.shapeh = 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 = imgdsurf = 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：

[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

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 npimport cv2 as cvimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfrom matplotlib import cmfrom 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numpyimgd = np.array(result)     
#准备数据sp = result.shapeh = 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 = imgdsurf = 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。

[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

四.总结

写到这里，这篇文章就介绍结束。希望文章对大家有所帮助，如果有错误或不足之处，还请海涵。文章写于连续奔波考博，经历的事情太多，有喜有悲，需要改变自己好好对家人，也希望读者与我一起加油。

感谢在求学路上的同行者，不负遇见，勿忘初心。月是故乡圆啊～

[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


简单纪念下，CSDN阅读量即将破千万，全网粉丝近30万。十年啊，近700篇文章，确实可以说一句：这就是我20到30岁的青春，这里既有技术博客，也有娜璋珞一家的故事，我们的爱情史，也见证了一个自幼受贵州大山熏陶的学子慢慢成长，让我认识了许许多多的博友。如苏老师，受尽挫折，博士毕业，回到家乡玉林成为了一名大学老师，更是自费建成了化学实验室，只想将自己的所学所感传递给他的学生。十年，我在CSDN认识了许多这样的博友、老师和大佬，我们从未谋面，我们天南地北，但相互鼓励，苔花如米小，也学牡丹开。


[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

最后，感谢CSDN，这些年让我骗了很多礼物，更感谢每一位阅读过娜璋故事，每一位给我技术博客点赞的读者。也希望大家记住一个叫Eastmount的分享者，对，不是什么专家，也不是什么大佬，就是一个默默撰写博客的技术分享者，因为爱所以写（今年太忙写得很少很少）。我还将在CSDN写二十年，三十年，一辈子，也将记录我们一家的故事。好想继续抒写我们的故事，但太忙太忙，毕业后再好好写吧。


[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

希望能早日毕业，回到家乡贵州继续当个教书匠，感觉好多要分享的博客，好多要上的课程，好多要开源的代码，好多要学习的知识，期待再次站在讲台前的那一天。继续沉下心去学习，虽菜但勤，感恩遇见，继续加油，晚安娜!

(By:娜璋之家 2022-08-12 夜于地球)

参考文献：

  • 《数字图像处理》（第3版），冈萨雷斯著，阮秋琦译，电子工业出版社，2013年

  • 光照不均匀图像分割技巧2——顶帽变换和底帽变换

  • 基于opencv绘制图片的三维空间显示图（python）

原文始发于微信公众号（娜璋AI安全之家）：[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

  • 左青龙
  • 微信扫一扫
  • weinxin
  • 右白虎
  • 微信扫一扫
  • weinxin
admin
  • 本文由 发表于 2022年8月12日09:20:12
  • 转载请保留本文链接(CN-SEC中文网:感谢原作者辛苦付出)：
                   [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http://cn-sec.com/archives/1233153.html

发表评论

匿名网友 填写信息