图像基本处理——腐蚀和膨胀

一、形态学——腐蚀

腐蚀就是通过卷积核，将边界部分向内部靠近，逐步腐蚀掉。

1. opencv腐蚀函数

   def erode(src: Any,
             kernel: Any,
             dst: Any = None,
             anchor: Any = None,
             iterations: Any = None,
             borderType: Any = None,
             borderValue: Any = None)
   

   部分参数说明

   src：腐蚀图像对象
   kernel：卷积核，一般是全1矩阵
   anchor：结构元素的锚点位置，默认值为（-1，-1）表示位于结构元素中心位置
   iteration：迭代运算次数

2. 腐蚀函数使用
   代码内容
   ①读取原始图片

   import cv2
   import numpy as np
   # 读取原始图片
   harriet = cv2.imread("harriet.png")
   cv2.imshow("Harriet", harriet)
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   

   
   ②进行腐蚀操作

   # 构造一个全1的5*5矩阵
   kernel = np.ones((5, 5), np.int)
   # 进行腐蚀操作
   erosion = cv2.erode(harriet, kernel, iterations=1)
   cv2.imshow("Harriet", erosion)
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   

   
   通过腐蚀结果可以看出，进行腐蚀过后，整个笔画变细了。腐蚀操作一般用于来去掉图片的毛刺。

3. 实例查看腐蚀函数参数
   代码内容

   import cv2
   import numpy as np
   circle = cv2.imread("circle.png")
   cv2.imshow("circle", circle)
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   kernel = np.ones((30, 30), np.int)
   erosion1 = cv2.erode(circle, kernel, iterations=1)
   erosion2 = cv2.erode(circle, kernel, iterations=2)
   erosion3 = cv2.erode(circle, kernel, iterations=3)
   res = np.hstack((erosion1, erosion2, erosion3))
   cv2.imshow("res", res)
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   

   
   
   通过腐蚀的最终结果可以发现，迭代次数越大，腐蚀效果越明显,同理可以验证卷积核越大，腐蚀效果也越明显。

二、形态学——膨胀

膨胀就是通过卷积核，将边界部分向外部靠近，逐步变粗。实际上膨胀就是腐蚀的逆过程。

1. opencv膨胀函数

   def dilate(src: Any,
              kernel: Any,
              dst: Any = None,
              anchor: Any = None,
              iterations: Any = None,
              borderType: Any = None,
              borderValue: Any = None)
   

   其中，参数含义跟腐蚀参数一致。
2. 实际举例

   harriet = cv2.imread("harriet.png")
   # 构造一个全1的5*5矩阵
   kernel = np.ones((5, 5), np.int)
   dilate = cv2.dilate(harriet, kernel, iterations=1)
   cv2.imshow("Harriet", dilate)
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   circle = cv2.imread("circle.png")
   kernel = np.ones((30, 30), np.int)
   dilate1 = cv2.dilate(circle, kernel, iterations=1)
   dilate2 = cv2.dilate(circle, kernel, iterations=2)
   dilate3 = cv2.dilate(circle, kernel, iterations=3)
   res = np.hstack((dilate1, dilate2, dilate3))
   cv2.imshow("res", res)
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   

   所用到的原始图片跟上面一致。
   膨胀后图片
   
   
   同理发现，迭代次数越大，膨胀效果越明显。

三、腐蚀和膨胀组合运算

开运算，闭运算和梯度运算都是进行了腐蚀和膨胀操作，开运算和闭运算主要在于进行的先后顺序。
opencv的开闭运算函数

def morphologyEx(src: Any,
                 op: Any,
                 kernel: Any,
                 dst: Any = None,
                 anchor: Any = None,
                 iterations: Any = None,
                 borderType: Any = None,
                 borderValue: Any = None)

主要在于op的参数选择

开运算
cv2.MORPH_OPEN
闭运算
cv2.MORPH_CLOSE
梯度运算
cv2.MORPH_GRADIENT

（一）开运算

开运算是先腐蚀，在闭运算。

1. 实际举例

   harriet = cv2.imread("harriet.png")
   # 构造一个全1的5*5矩阵
   kernel = np.ones((5, 5), np.int)
   opening = cv2.morphologyEx(harriet, cv2.MORPH_OPEN, kernel)
   cv2.imshow("open", opening)
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   

   

（二）闭运算

闭运算先膨胀，后腐蚀

1. 实际举例

   harriet = cv2.imread("harriet.png")
   # 构造一个全1的5*5矩阵
   kernel = np.ones((5, 5), np.int)
   closeing = cv2.morphologyEx(harriet, cv2.MORPH_CLOSE, kernel)
   cv2.imshow("close", closeing)
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   

   
   通过两种运算的对比发现，图像存在毛刺的时候，采用闭运算并一定能够去掉毛刺部分，反而可能导致毛刺变粗。

（三）梯度运算

梯度运算是用膨胀后的内容减去腐蚀后的内容，得到边界内容或者是轮廓。

1. 实际举例

   circle = cv2.imread("circle.png")
   # 构造一个全1的5*5矩阵
   kernel = np.ones((5, 5), np.int)
   gradient = cv2.morphologyEx(circle, cv2.MORPH_GRADIENT, kernel)
   cv2.imshow("gradient", gradient)
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   

   

四、礼帽和黑帽

opencv使用的函数同上面的腐蚀和膨胀运算使用到的函数。
op参数说明

礼帽
cv2.MORPH_TOHAT
黑帽
cv2.MORPH_BLACKHAT

（一）礼帽

礼帽结果为原始图像减去开运算结果，得到结果应该为多余的毛刺部分。

1. 实际举例

   harriet = cv2.imread("harriet.png")
   # 构造一个全1的5*5矩阵
   kernel = np.ones((5, 5), np.int)
   tohat = cv2.morphologyEx(harriet, cv2.MORPH_TOHAT, kernel)
   cv2.imshow("tohat", tohat)
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   

   

（二）黑帽

黑帽结果为闭运算结果减去原始图像，得到结果应该为原始图像的大概轮廓。

1. 实际举例

   harriet = cv2.imread("harriet.png")
   # 构造一个全1的5*5矩阵
   kernel = np.ones((5, 5), np.int)
   blackhat = cv2.morphologyEx(harriet, cv2.MORPH_BLACKHAT, kernel)
   cv2.imshow("tohat", blackhat)
   cv2.waitKey(0)
   cv2.destroyAllWindows()