python数字图像处理之基本形态学滤波

　　小编写这篇文章的主要目的，主要是给大家介绍关于python数字图像处理的一些相关介绍，包括基本的形态学滤波，比如可以使用数字图像去进行处理类似的形态学滤波。那么，具体的内容呢？下面就给大家详细解答下。

　　引言

　　对图像进行形态学变换。变换对象一般为灰度图或二值图，功能函数放在morphology子模块内。

　　1、膨胀（dilation)

　　原理：一般对二值图像进行操作。找到像素值为1的点，将它的邻近像素点都设置成这个值。1值表示白，0值表示黑，因此膨胀操作可以扩大白色值范围，压缩黑色值范围。一般用来扩充边缘或填充小的孔洞。

　　功能函数：skimage.morphology.dilation(image,selem=None）

　　selem表示结构元素，用于设定局部区域的形状和大小。

　　from skimage import data
　　import skimage.morphology as sm
　　import matplotlib.pyplot as plt
　　img=data.checkerboard()
　　dst1=sm.dilation(img,sm.square(5))#用边长为5的正方形滤波器进行膨胀滤波
　　dst2=sm.dilation(img,sm.square(15))#用边长为15的正方形滤波器进行膨胀滤波
　　plt.figure('morphology',figsize=(8,8))
　　plt.subplot(131)
　　plt.title('origin image')
　　plt.imshow(img,plt.cm.gray)
　　plt.subplot(132)
　　plt.title('morphological image')
　　plt.imshow(dst1,plt.cm.gray)
　　plt.subplot(133)
　　plt.title('morphological image')
　　plt.imshow(dst2,plt.cm.gray)

　　分别用边长为5或15的正方形滤波器对棋盘图片进行膨胀操作，结果如下：

　　可见滤波器的大小，对操作结果的影响非常大。一般设置为奇数。

　　除了正方形的滤波器外，滤波器的形状还有一些，现列举如下：

　　morphology.square:正方形

　　morphology.disk:平面圆形

　　morphology.ball:球形

　　morphology.cube:立方体形

　　morphology.diamond:钻石形

　　morphology.rectangle:矩形

　　morphology.star:星形

　　morphology.octagon:八角形

　　morphology.octahedron：八面体

　　注意，如果处理图像为二值图像（只有0和1两个值），则可以调用：

　　skimage.morphology.binary_dilation(image,selem=None）

　　用此函数比处理灰度图像要快。

　　2、腐蚀（erosion)

　　函数：skimage.morphology.erosion(image,selem=None）

　　selem表示结构元素，用于设定局部区域的形状和大小。

　　和膨胀相反的操作，将0值扩充到邻近像素。扩大黑色部分，减小白色部分。可用来提取骨干信息，去掉毛刺，去掉孤立的像素。

　　from skimage import data
　　import skimage.morphology as sm
　　import matplotlib.pyplot as plt
　　img=data.checkerboard()
　　dst1=sm.erosion(img,sm.square(5))#用边长为5的正方形滤波器进行膨胀滤波
　　dst2=sm.erosion(img,sm.square(25))#用边长为25的正方形滤波器进行膨胀滤波
　　plt.figure('morphology',figsize=(8,8))
　　plt.subplot(131)
　　plt.title('origin image')
　　plt.imshow(img,plt.cm.gray)
　　plt.subplot(132)
　　plt.title('morphological image')
　　plt.imshow(dst1,plt.cm.gray)
　　plt.subplot(133)
　　plt.title('morphological image')
　　plt.imshow(dst2,plt.cm.gray)

　　注意，如果处理图像为二值图像（只有0和1两个值），则可以调用：

　　skimage.morphology.binary_erosion(image,selem=None）

　　用此函数比处理灰度图像要快。

　　3、开运算（opening)

　　函数：skimage.morphology.openning(image,selem=None）

　　selem表示结构元素，用于设定局部区域的形状和大小。

　　先腐蚀再膨胀，可以消除小物体或小斑块。

　　from skimage import io,color
　　import skimage.morphology as sm
　　import matplotlib.pyplot as plt
　　img=color.rgb2gray(io.imread('d:/pic/mor.png'))
　　dst=sm.opening(img,sm.disk(9))#用边长为9的圆形滤波器进行膨胀滤波
　　plt.figure('morphology',figsize=(8,8))
　　plt.subplot(121)
　　plt.title('origin image')
　　plt.imshow(img,plt.cm.gray)
　　plt.axis('off')
　　plt.subplot(122)
　　plt.title('morphological image')
　　plt.imshow(dst,plt.cm.gray)
　　plt.axis('off')

　　注意，如果处理图像为二值图像（只有0和1两个值），则可以调用：

　　skimage.morphology.binary_opening(image,selem=None）

　　用此函数比处理灰度图像要快。

　　4、闭运算（closing)

　　函数：skimage.morphology.closing(image,selem=None）

　　selem表示结构元素，用于设定局部区域的形状和大小。

　　先膨胀再腐蚀，可用来填充孔洞。

　　from skimage import io,color
　　import skimage.morphology as sm
　　import matplotlib.pyplot as plt
　　img=color.rgb2gray(io.imread('d:/pic/mor.png'))
　　dst=sm.closing(img,sm.disk(9))#用边长为5的圆形滤波器进行膨胀滤波
　　plt.figure('morphology',figsize=(8,8))
　　plt.subplot(121)
　　plt.title('origin image')
　　plt.imshow(img,plt.cm.gray)
　　plt.axis('off')
　　plt.subplot(122)
　　plt.title('morphological image')
　　plt.imshow(dst,plt.cm.gray)
　　plt.axis('off')

　　注意，如果处理图像为二值图像（只有0和1两个值），则可以调用：

　　skimage.morphology.binary_closing(image,selem=None）

　　用此函数比处理灰度图像要快。

　　5、白帽（white-tophat)

　　函数：skimage.morphology.white_tophat(image,selem=None）

　　selem表示结构元素，用于设定局部区域的形状和大小。

　　将原图像减去它的开运算值，返回比结构化元素小的白点

　　from skimage import io,color
　　import skimage.morphology as sm
　　import matplotlib.pyplot as plt
　　img=color.rgb2gray(io.imread('d:/pic/mor.png'))
　　dst=sm.white_tophat(img,sm.square(21))
　　plt.figure('morphology',figsize=(8,8))
　　plt.subplot(121)
　　plt.title('origin image')
　　plt.imshow(img,plt.cm.gray)
　　plt.axis('off')
　　plt.subplot(122)
　　plt.title('morphological image')
　　plt.imshow(dst,plt.cm.gray)
　　plt.axis('off')

　　6、黑帽（black-tophat)

　　函数：skimage.morphology.black_tophat(image,selem=None）

　　selem表示结构元素，用于设定局部区域的形状和大小。

　　将原图像减去它的闭运算值，返回比结构化元素小的黑点，且将这些黑点反色。

　　from skimage import io,color
　　import skimage.morphology as sm
　　import matplotlib.pyplot as plt
　　img=color.rgb2gray(io.imread('d:/pic/mor.png'))
　　dst=sm.black_tophat(img,sm.square(21))
　　plt.figure('morphology',figsize=(8,8))
　　plt.subplot(121)
　　plt.title('origin image')
　　plt.imshow(img,plt.cm.gray)
　　plt.axis('off')
　　plt.subplot(122)
　　plt.title('morphological image')
　　plt.imshow(dst,plt.cm.gray)
　　plt.axis('off')

        综上所述，这篇文章就给大家介绍到这里了，希望可以给大家带来帮助。