Python+opencv学习记录22：开闭操作

1.开闭操作原理

图像处理中的开闭运算是两个很重要的形态学操作，它们两个从基本的腐蚀与膨胀操作演变而来的，这些操作主要应用在二值图像的处理上，灰度图像也可以。

1.1开操作

开操作是先腐蚀，后膨胀，作用是用来消除小物体和噪点、平滑较大物体的边界的同时并不明显改变其面积，提取水平或竖直的线。

1.2闭操作

闭操作是显膨胀，后腐蚀，作用是用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积

2.开闭操作的应用

2.1开操作

其代码为：

def open_demo(image):           # 开操作
    print(image.shape)
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU) # 用大律法、全局自适应阈值方法进行图像二值化
    cv.imshow("binary_image", binary)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))  # 获取结构元素
    dst = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel)       # 开操作
    cv.imshow("open_result", dst)

原图为：

可以看出原图像中有一些白色的噪点，结果开操作后：

由上图可以看出，小的白色噪点被消除了。

2.2闭操作

其代码为：

def close_demo(image):          # 闭操作
    print(image.shape)
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    cv.imshow("binary_image", binary)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
    dst = cv.morphologyEx(binary, cv.MORPH_CLOSE, kernel)
    cv.imshow("close_result", dst)

原图为：

图中有很多小黑点，此时我们可以通过闭操作，将其黑色的噪声点给填充掉：

3.提取物体特征

开闭操作还可以被用于提取物体的一些特征，如提取图像中的横线，
其代码如下：

def open_demo(image):           # 开操作
    print(image.shape)
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU) # 用大律法、全局自适应阈值方法进行图像二值化
    cv.imshow("binary_image", binary)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 1))  # 获取结构元素
    dst = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel)       # 开操作
    cv.imshow("open_result", dst)

获取结构元素时，我们可以改变内核大小来达到目的。
原图为：

经过相应的操作后：

除此之外，我们还可以利用开操作来提取图像中的字母，
原图为：

我们可以改变结构元素的内核大小，改为(3，3)，得到的结果为：

完整代码

import cv2 as cv                # 导入opencv模块
import numpy as np              # 导入数学函数库


def open_demo(image):           # 开操作
    print(image.shape)
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU) # 用大律法、全局自适应阈值方法进行图像二值化
    cv.imshow("binary_image", binary)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))  # 获取结构元素
    dst = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel)       # 开操作
    cv.imshow("open_result", dst)


def close_demo(image):          # 闭操作
    print(image.shape)
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    cv.imshow("binary_image", binary)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
    dst = cv.morphologyEx(binary, cv.MORPH_CLOSE, kernel)
    cv.imshow("close_result", dst)


print("------------hello python!------------")

src = cv.imread("D:/opencv3/image/chars.png")
cv.namedWindow("input_image", cv.WINDOW_AUTOSIZE)
cv.imshow("input_image", src)
open_demo(src)
# close_demo(src)

cv.waitKey(0)
cv.destroyAllWindows()          # 释放所有窗口