練習用圖

1. cookie.jpg

內容

1. 開運算與閉運算：

   1.1 用途：藉由圖像灰階、二值化與開閉運算，獲得遮罩(Mask)，可應用在以下領域。

   • 影像合成(如：前後景影像疊加)
   • 物件偵測

   1.2 開運算

   • 流程：執行腐蝕運算(黑色區域變大)，再執行膨脹運算(白色區域變大)。
   • 目的：移除影像中的白色雜訊或線條(連接黑色區塊)。

   1.3 閉運算

   • 流程：先執行膨脹運算(白色區域變大)，再執行腐蝕運算(黑色區域變大)。
   • 目的：移除影像中的黑色雜訊(連接白色區塊)。

   1.4 程式碼

   import cv2
   import numpy as np
   
   # 顯示圖檔
   def show_img(name, img):
       cv2.imshow(name, img)
       cv2.waitKey(0)
   
   image_path = './cookie.jpg'
   image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
   image = cv2.resize(image, (250, 250))
   show_img('origin', image)
   
   # 二值化
   ret, mask1 = cv2.threshold(image, 160, 255, cv2.THRESH_BINARY)
   show_img('mask_origin', mask1)
   
   # 二值化+開運算
   kernel=np.ones((5, 5), np.uint8)
   ret, mask2 = cv2.threshold(image, 160, 255, cv2.THRESH_BINARY)
   mask2 = cv2.morphologyEx(mask2, cv2.MORPH_OPEN, kernel, iterations=1)
   show_img('OPEN', mask2)
   
   # 二值化+閉運算
   kernel=np.ones((5, 5),np.uint8)
   ret, mask3 = cv2.threshold(image, 160, 255, cv2.THRESH_BINARY)
   mask3 = cv2.morphologyEx(mask3, cv2.MORPH_CLOSE, kernel, iterations=1)
   show_img('CLOSE', mask3)
   

   1.5 執行結果

   • mask_origin：影像二值化時，左下角出現黑色躁點、餅乾中出現白色躁點。
   • OPEN：連接mask_origin左下角黑色區域與消除餅乾中白色雜訊。
   • CLOSE：消除mask_origin左下角黑色雜訊與連接餅乾中白色區域。

   

2. 常用濾波器

   2.1 Gaussian Filtering(線性濾波器)

   • 原理：Kernal滑窗內權重符合高斯分布(越中間權重越大)，移動時會對鄰近像素值進行加權，作為中心位置的像素值。
   • 用途：保留圖像主要特徵，同時降低躁點影響。
   • 程式碼

     import cv2
     
     # 顯示圖檔
     def show_img(name, img):
         cv2.imshow(name, img)
         cv2.waitKey(0)
     
     image_path = './peach.jpg'
     image = cv2.imread(image_path)
     image = cv2.resize(image, (350, 350))
     show_img('origin', image)
     
     gaussian = cv2.GaussianBlur(image, (13, 13), 0)
     show_img('GaussianBlur', gaussian)
     

   • 注意事項：Kernal size必須是奇數元組，如：(3, 3)或(5, 5)。

   2.2 Median Filtering(非線性濾波器)

   • 原理：Kernal滑窗移動時，會取鄰近像素的中位數，作為中心位置的像素值。
   • 用途：過濾圖像中的椒鹽雜訊。
   • 程式碼

     import cv2
     
     # 顯示圖檔
     def show_img(name, img):
         cv2.imshow(name, img)
         cv2.waitKey(0)
     
     image_path = './peach.jpg'
     image = cv2.imread(image_path)
     image = cv2.resize(image, (350, 350))
     show_img('origin', image)
     
     median = cv2.medianBlur(image, 13)
     show_img('Median', median)
     

   • 注意事項：Kernal size必須是奇數值，如：3或5。

   2.4 執行結果

   • Gaussian Filtering：保留桃子的主要特徵(如：粉色斑點分布)。
   • Median Filtering：桃子上的粉紅斑點變得更模糊。

   

小結

1. 下一站，我們前往「OpenCV影像合成」：將結合4天影像處理技巧進行影像合成。
2. 另外，若有興趣從頭學習影像處理基礎概念，可參考數位影像處理Youtube課程。

讓我們繼續看下去...

參考資料

1. 简单的图像处理——2. 图像的形态学操作：开运算与闭运算
2. OpenCV Python Tutorials