opencv学习（5）--Morphological transformations goal形态转换目标
形态转换是基于图像外形的简单操作，通常只作用于二进制图像。它需要两个参数，一个是原图，第二个是结构化元素（structuring element)或者是kernel(这个参数决定了操作的性质）。
形态操作有Erosion和Dilation,还有其变种形式Opening、Closing、Gradient等也参与其中。
1.Erosion（腐蚀）
其基本思想就是腐蚀，腐蚀了前景物体的边界（前景物体为白色）。kernel以2D卷积遍历图像。原图像中，只有在kernel中所有像素都为1的，其像素为1；否则将为0（eroded).
画图理解，其实结果就是前景物体的里临近边界的像素都抛弃了（变为0了）。根据kernel大小的不同，腐蚀的效果还不一样。这个方法还可以运用在移除白色小噪音、分离两个相连的物体上。
使用5x5的kernel：
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread("j.png",0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations=1)#interations表示腐蚀次数,次数越多，边缘缺失越严重
plt.subplot(121),plt.imshow(img),plt.title("orignal")
plt.subplot(122),plt.imshow(erosion),plt.title("erosion")
plt.show()
实现的结果：
2.Dilation膨胀
原理与腐蚀相反。在kernel里的像素有一个为1整个kernel里的所有像素都设为1。全部为0才为0。最后的结果就是，前景物体的图像长胖了哈哈哈。在噪音移除这个步骤中，可以先通过erosion移除噪音，然后通过dilation来补足缺失的边界。
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread("j.png",0)
kernel = np.ones((3,3),np.uint8)
erosion = cv2.dilate(img,kernel,iterations=1)
plt.subplot(121),plt.imshow(img),plt.title("orignal")
plt.subplot(122),plt.imshow(erosion),plt.title("erosion")
plt.show()实现后结果：(突然发现一点，我图像原图和显示的结果颜色不一致，原因是opencv是BGR模式存储图像的，而matplotlib是RGB模式存储的）
3.Opening
其实就是先erosion，在dilation。就是上面提及的，适合用来处理图像噪音的问题。
用到的方法是cv2.morphologyEx()
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread("j.png",0)
kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)
plt.subplot(121),plt.imshow(img),plt.title("orignal")
plt.subplot(122),plt.imshow(opening),plt.title("opening")
plt.show()实现的结果：
4.Closing
是Opening的相反操作。先dilation（膨胀），在erosion（腐化）。适合用来处理前景物体内的小黑点。
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread("j.png",0)
kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)
plt.subplot(121),plt.imshow(img),plt.title("orignal")
plt.subplot(122),plt.imshow(opening),plt.title("opening")
plt.show()实现结果图：
5.Morphological Gradient 形态倾斜
此方法实现后是只剩下前景物体的轮廓。（我猜，原理应该是全0为0，全1也为0，kernel里出现0，1的为1）
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread("j.png",0)
kernel = np.ones((3,3),np.uint8)
gradient = cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)
plt.subplot(121),plt.imshow(img),plt.title("orignal")
plt.subplot(122),plt.imshow(gradient),plt.title("gradient")
plt.show()实现的结果图：
6.Top Hat
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread("j.png",0)
kernel = np.ones((9,9),np.uint8)
tophat = cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)
plt.subplot(121),plt.imshow(img),plt.title("orignal")
plt.subplot(122),plt.imshow(tophat),plt.title("top_hat")
plt.show()实现的结果图：
7.Black Hat
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread("j.png",0)
kernel = np.ones((9,9),np.uint8)
blackhat = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)
plt.subplot(121),plt.imshow(img),plt.title("orignal")
plt.subplot(122),plt.imshow(blackhat),plt.title("black_hat")
plt.show()实现的结果图：
7.Structuring Element
前面都是我们借助Numpy来生成一个矩形的kernel。如果需要需要一个椭圆形(elliptical)或者是圆形(circular)形状的kernel。可以通过opencv提供的cv2.getStructuringElement()，只需要把所需的kernel的形状和大小传到该方法里。
#Rectangular kernel
import cv2
array = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
print array得出的kernel为：
#Elliptical Kernel
import cv2
array = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
print array得出的kernel为：
#Cross-shaped Kernel
import cv2
array = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
print array
得出的Kernel为：
