《数字图像处理》-上机 5 图像阈值化处理、霍夫变换及形态学算法

本文主要是介绍《数字图像处理》-上机 5 图像阈值化处理、霍夫变换及形态学算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、上机目的

学习图像阈值化处理、霍夫变换、形态学算法及编程实现方法

二、相关知识及练习

1、图像阈值化处理

图像阈值化(Binarization)旨在剔除掉图像中一些低于或高于一定值的像素,从而提 取图像中的物体,将图像的背景和噪声区分开来。 灰度化处理后的图像中,每个像素都只有一个灰度值,其大小表示明暗程度。阈值化处 理可以将图像中的像素划分为两类颜色,常见的阈值化算法如公式所示: 当某个像素点的灰度 Gray(i,j)小于阈值 T 时,其像素设置为 0,表示黑色;当灰度 Gray(i,j)大于或等于阈值 T 时,其像素值为 255,表示白色。 在 Python 的 OpenCV 库中,提供了固定阈值化函数 threshold()和自适应阈值化函数 adaptiveThreshold(),将一幅图像进行阈值化处理。

(1) 固定阈值化处理

OpenCV 中提供了函数 threshold()实现固定阈值化处理,其函数原型如下: dst = cv2.threshold(src, thresh, maxval, type[, dst]) – src 表示输入图像的数组,8 位或 32 位浮点类型的多通道数 – dst 表示输出的阈值化处理后的图像,其类型和通道数与 src 一致 – thresh 表示阈值 – maxval 表示最大值,当参数阈值类型 type 选择 CV_THRESH_BINARY 或 CV_THRESH_BINARY_INV 时,该参数为阈值类型的最大值 – type 表示阈值类型 其中,threshold()函数不同类型的处理算法如表所示。

2、霍夫变换

霍夫变换是一种在图像中寻找直线,圆形以及其他简单形状的方法。霍夫变换采用类似 于投票的方式来获取当前图像内的形状集合,该变换由 Paul Hough(霍夫)于 1962 年首次 提出。 最初的霍夫变换只能用于检测直线,经过发展后,霍夫变换不仅能够识别直线,还能识 别其他简单的图形结构,常见的有圆形,椭圆等。 我们下面来看看如何使用霍夫变换来检测直线。一条直线可以用数学表达式 y = mx + 或者 ρ = xcosθ + y sinθ表示(极坐标)

  • 上机目的

学习图像阈值化处理、霍夫变换、形态学算法及编程实现方法

  • 相关知识
  1. 图像阈值化处理
  1. 固定阈值化处理
  2. 自适应阈值处理
  1. 霍夫变换
  2. 图像形态学算法
  1. 图像腐蚀与图像膨胀
  • 上机练习

按照上面相关知识的介绍,学会利用 opencv 进行灰度图像及彩色图像的读、显示及写 操作,并编写相应的测试程序。

  1. 图像阈值化处理
  1. 练习:运行程序并查看结果,尝试修改阈值查看结果变化

A、二进制阈值化

代码部分:

运行截图:

将阈值修改为原来的一般,即“127”→“64”后的结果为:

    1. 截断阈值化

代码部分:

运行结果为:

可见相比于二进制阈值的处理结果,图像的明暗程度变浅了。

    1. 阈值化为 0

练习:编写图像阈值化为 0 处理的程序,并与上面的两种阈值化处理算法进行比较。

代码部分:

运行结果:

可见:

当图像阈值化为 0 处理时,效果要比上面的两种阈值化处理算法的灰度值是不一样的。

  1. 自适应阈值化处理

运行程序,并对程序中用到的三种阈值化算法进行对比。

代码部分:

运行结果:

可见,当同一幅图像上的不同部分具有不同亮度时,采用自适应阈值化处理方法可以使得同一幅图像上的不同区域采用不同的阈值,在亮度不同的情况下得到了更好的结果。

  1. 霍夫变换:

练习:理解并运行程序,通过调整参数查看检测结果的变化。

代码部分:

运行结果为:

4、图像腐蚀代码实现

练习:运行上述程序,查看运行结果是否完全去除干扰细线,针对运行结果尝试 进一步改善。

代码部分:

运行结果为:

修改参数可得效果更有的结果:

5、图像膨胀代码实现

练习:理解并运行上述程序,查看运行结果,评价运行效果及分析原因。

代码部分:

运行结果:

 

通过结果可见:将图像中的高亮区域 或白色部分进行扩张,其运行结果图比原图的高亮区域更大,线条变粗了。

  • 编程练习作业:尝试利用形态学算法实现下面的指纹图像预处理

首先图像腐蚀:

import cv2
import numpy as np
#读取图片
src = cv2.imread('Fingerprint2.png', cv2.IMREAD_UNCHANGED)
#设置卷积核
kernel = np.ones((9,9), np.uint8)
#图像腐蚀处理
erosion = cv2.erode(src, kernel)
#显示图像
cv2.imshow("src", src)
cv2.imshow(
"result", erosion)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

接着图像膨胀处理:

import cv2
import numpy as np
#读取图片
src = cv2.imread('Fingerprint2.png', cv2.IMREAD_UNCHANGED)
#设置卷积核
kernel = np.ones((9,9), np.uint8)
#图像腐蚀处理
erosion = cv2.erode(src, kernel)
#显示图像

kernel2 = np.ones((2,2), np.uint8)
erosion2 = cv2.dilate(erosion
, kernel)
cv2.imshow(
"src", erosion)
cv2.imshow(
"result", erosion2)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

最后再腐蚀:

import cv2
import numpy as np
#读取图片
src = cv2.imread('Fingerprint2.png', cv2.IMREAD_UNCHANGED)
#设置卷积核
kernel = np.ones((9,9), np.uint8)
#图像腐蚀处理
erosion = cv2.erode(src, kernel)
#显示图像

kernel2 = np.ones((4,4), np.uint8)
erosion2 = cv2.dilate(erosion
, kernel)

kernel3 = np.ones((
0,0), np.uint8)
erosion3 = cv2.erode(erosion2
, kernel)
cv2.imshow(
"src", erosion2)
cv2.imshow(
"result", erosion3)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

调参数可得最终结果为:

这篇关于《数字图像处理》-上机 5 图像阈值化处理、霍夫变换及形态学算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/877140

相关文章

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

Springboot处理跨域的实现方式(附Demo)

《Springboot处理跨域的实现方式(附Demo)》:本文主要介绍Springboot处理跨域的实现方式(附Demo),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录Springboot处理跨域的方式1. 基本知识2. @CrossOrigin3. 全局跨域设置4.

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

Python实现自动化接收与处理手机验证码

《Python实现自动化接收与处理手机验证码》在移动互联网时代,短信验证码已成为身份验证、账号注册等环节的重要安全手段,本文将介绍如何利用Python实现验证码的自动接收,识别与转发,需要的可以参考下... 目录引言一、准备工作1.1 硬件与软件需求1.2 环境配置二、核心功能实现2.1 短信监听与获取2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

Python使用date模块进行日期处理的终极指南

《Python使用date模块进行日期处理的终极指南》在处理与时间相关的数据时,Python的date模块是开发者最趁手的工具之一,本文将用通俗的语言,结合真实案例,带您掌握date模块的六大核心功能... 目录引言一、date模块的核心功能1.1 日期表示1.2 日期计算1.3 日期比较二、六大常用方法详

利用Go语言开发文件操作工具轻松处理所有文件

《利用Go语言开发文件操作工具轻松处理所有文件》在后端开发中,文件操作是一个非常常见但又容易出错的场景,本文小编要向大家介绍一个强大的Go语言文件操作工具库,它能帮你轻松处理各种文件操作场景... 目录为什么需要这个工具?核心功能详解1. 文件/目录存javascript在性检查2. 批量创建目录3. 文件

Java使用多线程处理未知任务数的方案介绍

《Java使用多线程处理未知任务数的方案介绍》这篇文章主要为大家详细介绍了Java如何使用多线程实现处理未知任务数,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 知道任务个数,你可以定义好线程数规则,生成线程数去跑代码说明:1.虚拟线程池:使用 Executors.newVir