Comment implémenter le filtrage morphologique de base en Python

Il existe quatre opérations morphologiques les plus élémentaires, à savoir l'érosion, l'expansion, le calcul ouvert et le calcul fermé. `scipy.ndimage implémente ces quatre opérations respectivement sur des tableaux binaires et des tableaux en niveaux de gris

niveaux de gris. binary_erosiongrey_erosioncorrosionbinary_dilationgrey_dilationexpansionbin ary_closinggrey_closingclosing (d'abord expansion puis corrosion)binary_opening grey_openingopening ( corrosion d'abord puis expansion)Morphologie binaire

La soi-disant corrosion est exprimée en symboles mathématiques comme

où B

ij _{signifie quand l'origine de B BB est à (i, j) , l'ensemble de toutes les valeurs qui valent 1 dans B.}

Cette formule signifie que lorsque la structure B est utilisée pour corroder A, lorsque l'origine de B est traduite en pixel (i, j) de l'image A, si B est complètement entouré par la zone de chevauchement des deux, le la valeur est affectée à 1. Sinon, la valeur est 0. Lorsqu'un certain élément dans B vaut 1, si la position correspondante dans A est également 1, alors la valeur en (i, j) est 1. Il s'agit d'un exemple plus intuitif.

L'inflation est l'opposé et peut être exprimée comme

En d'autres termes, tant que la zone de chevauchement de B et A n'est pas un ensemble vide, alors le point (i, j) est fixé à 1.

Un exemple est le suivant

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()

L'effet est le suivant

L'opération d'ouverture consiste à corroder d'abord puis à dilater ; L'effet est le suivant. On peut voir que l'opération d'ouverture supprimera le 1 isolé et que l'opération de fermeture supprimera le 1 isolé. L'opération supprimera les zéros isolés.

Morphologie en niveaux de gris

Les opérations de corrosion, d'expansion et d'ouverture et de fermeture des images en niveaux de gris sont une extension de sa forme binaire, en utilisant une logique de type convolution. L'image de l'escalier est directement récupérée à partir de

et effectue une corrosion, une expansion. et les opérations d'ouverture et de fermeture en séquence.

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()

scipyListe des paramètres

Les paramètres de la fonction binaire et de la fonction en niveaux de gris ne sont pas les mêmes. En prenant l'opération de fermeture comme exemple ci-dessous, tous les paramètres des fonctions binaires et en niveaux de gris, à l'exception de l'entrée d'entrée, sont communs à. les deux.

structure est un type de tableau, représentant l'élément de construction, qui peut être compris comme un modèle de convolution

• la sortie est un tableau avec les mêmes dimensions que l'entrée, et les résultats peuvent être enregistrés

• Paramètres du filtre d'orgin, la valeur par défaut est 0

• Les autres paramètres du filtrage morphologique binaire sont les suivants

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()

où

itérations est le nombre d'exécutions

• mask mask array, qui est un tableau de bool tapez, et la position correspondant à False ne changera pas

• border_value La valeur au bord

• brute_force Si elle est False, seule la valeur qui a changé lors de la dernière itération sera mise à jour

• binary_closing(input, iterations=1, mask=None, border_value=0, brute_force=False)

  la taille est le modèle de filtre

  • mode facultatif réflexion, constante, le plus proche, miroir, enveloppement, méthode de remplissage des bords

  • valeur de remplissage des bords cval

  Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!