うーむ，なんとも言えないですね．
Morphology 変換の前と後でどのように変わったのか，差分を調べてみましょう．
Morphology 変換の前と後でどのように変わったのか，差分を調べてみましょう．
plt.gray() plt.imshow(morph_gray - j_img)
差分のプロット.py
なるほど！確かに，右と下にピクセルが増えていることがわかりますね．
全方位で膨張処理を行えば，エッジの検出器にもなりそうです．
全方位で膨張処理を行えば，エッジの検出器にもなりそうです．
## Morphology shp = np.shape(j_img) morph_gray2 = np.zeros(shp) for row in range(shp[0]): for col in range(shp[1]): if j_img[row,col] == 255: morph_gray2[row,col]= 255 morph_gray2[row,col+1] = 255 morph_gray2[row-1,col] = 255 morph_gray2[row+1,col]= 255 morph_gray2[row,col-1] = 255
全方位.py
plt.gray() plt.imshow(morph_gray2 - j_img)
プロット.py
これはMorphology Gradient と呼ばれるようですね．
Part2. 収縮処理
次は収縮処理です．膨張処理が分かれば収縮処理はその逆を行えばよいのです． 全方位の収縮をやってみましょう．前のプログラム同様，Kernel Size は (3,3)です．
## Morphology shp = np.shape(j_img) morph_gray_p = np.zeros(shp) for row in range(shp[0]): for col in range(shp[1]): if j_img[row,col] == 255: morph_gray_p[row,col] += 255 morph_gray_p[row,col+1] += 255 morph_gray_p[row-1,col] += 255 morph_gray_p[row+1,col] += 255 morph_gray_p[row,col-1] += 255 ## 収縮処理で消えるものは，近傍に黒がある場合である．近傍に黒がある場合，その和は含 ## まれないため，255*5 とはならない．その部分は排除する． morph_gray3 = 255*(morph_gray_p == 255*5)
収縮処理.py
plt.gray() plt.imshow(morph_gray3)
表示.py
plt.gray() plt.imshow(j_img - morph_gray4)
差分.py
エルピクセル編集部
