如何决定在膨胀操作中使用哪个内核（OpenCV/Python）？

Question

如何决定在膨胀操作中使用哪个内核（OpenCV/Python）？

3

我对OpenCV非常陌生，最近我正在尝试比较两张轨道图片：一张有火车，一张没有。在比较后，我应用了一个阈值，但是在白色区域里出现了一些“空洞”，我不想要这些。“空洞”。目前，我使用4个迭代的膨胀，并将内核设置为“无”，据我理解，“无”默认为3x3。

如何决定使用什么类型的内核，以便膨胀更好地使白色区域连续？如果可以去除背景中的小白色斑点，那就太好了。以下是代码：

resized = imutils.resize(img2, width=1050)
resized2 = imutils.resize(img3, width=1050)
grayA = cv2.cvtColor(resized, cv2.COLOR_BGR2GRAY)
grayB = cv2.cvtColor(resized2, cv2.COLOR_BGR2GRAY)
grayA = cv2.GaussianBlur(grayA,(7,7),0)
grayB = cv2.GaussianBlur(grayB,(7,7),0)
frameDelta = cv2.absdiff(grayA, grayB)
thresh = cv2.threshold(frameDelta, 20, 255, cv2.THRESH_BINARY)[1]
thresh = cv2.dilate(thresh, None, iterations=4)

本人对此完全初学者，因此非常感谢任何通用的改进比较方法的建议和意见！

- John

2

你可以使用与你想要填充的孔或移除的斑点大致相同大小的卷积核，或者你可以迭代多次使用小型卷积核来填充或移除，其中迭代次数约为孔的大小除以滤波器的大小。 - fmw42

几个问题： 1）膨胀函数如何帮助去除斑点？ 2）如何找到或估计给定图像中孔洞的大小？ 3）我也尝试了非常多的迭代（10次），但它并没有真正填补孔洞。它只是让白色区域本身变得更大了。 - John

1

@John，我从你的问题中理解到，你想要制作一个单一的遮罩来训练区域（因此我建议使用closing而不是dilation，为了消除小点，可以使用Median Filter而不是Gaussian Filter，关于核大小，一种解决方案是循环使用可变的核大小，直到达到2个区域“background”和“mask”。 - Bilal

是的，这正是我想要的，谢谢。那么如何处理结构元素本身呢？另外，是否有自动检测是否存在2个区域的方法？我对循环方法有点怀疑，因为至少有3个变量在发挥作用：核大小、核形状、迭代次数，而且我不确定使用大核大小和少量迭代更好还是反之亦然，或者中间某个位置使用自定义的核。 - John

1

@John 自动检测是否存在2个区域的方法是 len(np.unique(mask))==2，其余部分需要尝试并确定最适合您需求的参数。 - Bilal

显示剩余2条评论

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- fmw42 · Accepted Answer

也许这会让你对Python/OpenCV中的形态学有些了解。首先，我使用一个大小与小白斑点相当的正方形“开放”核来移除它们。然后，我使用一个水平矩形“闭合”核，大约与黑色间隙的大小相同，来填充它。 “开放”可以移除白色区域（或填充黑色间隙），而“闭合”可以移除黑色区域（或填充白色间隙）。

import cv2
import numpy as np

# read image as grayscale
img = cv2.imread('blob3.png', cv2.IMREAD_GRAYSCALE)

# threshold to binary
thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY)[1]

# apply morphology open with square kernel to remove small white spots
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (19,19))
morph1 = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)

# apply morphology close with horizontal rectangle kernel to fill horizontal gap
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (101,1))
morph2 = cv2.morphologyEx(morph1, cv2.MORPH_CLOSE, kernel)

# write results
cv2.imwrite("blob3_morph1.png", morph1)
cv2.imwrite("blob3_morph2.png", morph2)

# show results
cv2.imshow("thresh", thresh)
cv2.imshow("morph1", morph1)
cv2.imshow("morph2", morph2)
cv2.waitKey(0)

词形学广场开放：

形态学矩形关闭：

替代形态正方形关闭：