opencv-python学习笔记（六）—— 图像处理之形态学操作

系列文章目录

前言

本节将介绍形态学操作

形态学操作

形态学操作：如腐蚀，膨胀，打开，关闭等。

函数如下: cv.erode(), cv.dilate(), cv.morphologyEx() 等.

1. 理论

形态变换是一些基于图像形状的简单操作。它通常在二值图像上执行。它需要两个输入，一个是我们的原始图像，另一个是决定操作性质的结构元素或内核。两个基本的形态学算子是腐蚀和膨胀。然后它的变体形式，如开，闭，梯度等也发挥作用。我们将通过以下图片逐一了解它们:

2. 腐蚀

腐蚀的基本思想就像土壤腐蚀一样，它腐蚀了前景对象的边界(总是尝试保持前景为白色)。那么它是做什么的呢?内核在图像中滑动(就像在2D卷积中一样)。只有当核下的所有像素都为1时，原始图像中的一个像素(1或0)才会被认为是1，否则就会被腐蚀(使其为0)。

因此，根据kernel的大小，边界附近的所有像素都将被丢弃。所以前景物体的厚度或大小减少了，或者只是图像中的白色区域减少了。它对去除小的白噪声(如我们在颜色空间章节中看到的)，分离两个连接的物体等都很有用。

在这里，作为一个示例，我将使用一个充满1的5x5内核。让我们看看它是如何工作的:

import cv2 as cv
import numpy as np
img = cv.imread('j.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv.erode(img,kernel,iterations = 1)

3. 膨胀

它正好与腐蚀相反。在这里，如果内核下只要有一个像素是“1”，那么像素元素就是“1”。所以它增加了图像中的白色区域或者前景物体的大小增加了。通常情况下，在去除噪音的情况下，腐蚀紧随其后的是膨胀。因为腐蚀去除了白噪声，但它也缩小了我们的对象。所以我们把它放大。因为噪音消失了，它们不会再回来，但是我们的物体面积增加了。它在连接一个物体的破碎部分时也很有用。

dilation = cv.dilate(img,kernel,iterations = 1)

4. 开操作

开操作为腐蚀+膨胀。正如我们上面所解释的，它在消除噪声方面是有用的。这里我们使用函数**cv.morphologyEx()**

opening = cv.morphologyEx(img, cv.MORPH_OPEN, kernel)

5. 闭操作

闭操作和开操作相反，为膨胀+腐蚀。它在关闭前景物体内部的小孔或物体上的小黑点时很有用。

closing = cv.morphologyEx(img, cv.MORPH_CLOSE, kernel)

6. 形态学梯度

形态学梯度为膨胀-腐蚀。

结果将看起来像对象的轮廓。

gradient = cv.morphologyEx(img, cv.MORPH_GRADIENT, kernel)

7. 顶帽

原图-开操作

tophat = cv.morphologyEx(img, cv.MORPH_TOPHAT, kernel)

8. 黑帽

闭操作后的图片 - 原图

blackhat = cv.morphologyEx(img, cv.MORPH_BLACKHAT, kernel)

9. 结构体元素

在前面的例子中，我们在Numpy的帮助下手动创建了一个结构化元素。它是矩形的。但在某些情况下，你可能需要椭圆形或圆形的kernels。因此，为了达到这个目的，OpenCV有一个函数，cv.getStructuringElement()。只要传递出kernels的形状和大小，就能得到想要的kernels。

# Rectangular Kernel
>>> cv.getStructuringElement(cv.MORPH_RECT,(5,5))
array([[1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1]], dtype=uint8)
# Elliptical Kernel
>>> cv.getStructuringElement(cv.MORPH_ELLIPSE,(5,5))
array([[0, 0, 1, 0, 0],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [0, 0, 1, 0, 0]], dtype=uint8)
# Cross-shaped Kernel
>>> cv.getStructuringElement(cv.MORPH_CROSS,(5,5))
array([[0, 0, 1, 0, 0],
       [0, 0, 1, 0, 0],
       [1, 1, 1, 1, 1],
       [0, 0, 1, 0, 0],
       [0, 0, 1, 0, 0]], dtype=uint8)

10. 扩展资料

1. Morphological Operations at HIPR2