OpenCV学习笔记（一）【图像的基本处理/形态学部分操作】

1.图像融合：

 #相当于% 256
(img_cat + img_cat2)[:5,:,0] 
#越界取255
cv2.add(img_cat,img_cat2)[:5,:,0]

2.滤波

LPF低通滤波器：消除噪声，使图像模糊

• 平均滤波器
• 高斯模糊
• 中值模糊
• 双边滤波器

HPF高通滤波器：强化噪音，有利于在图像中找到边缘

• 拉普拉斯变换？

# 均值滤波
# 简单的平均卷积操作
blur = cv2.blur(img, (3, 3))
cv2.imshow('blur', blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 方框滤波
# 基本和均值一样，可以选择归一化
box = cv2.boxFilter(img,-1,(3,3), normalize=True)  
cv2.imshow('box', box)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 方框滤波
# 基本和均值一样，可以选择归一化,容易越界
box = cv2.boxFilter(img,-1,(3,3), normalize=False)  
cv2.imshow('box', box)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 高斯滤波
# 高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的
aussian = cv2.GaussianBlur(img, (5, 5), 1)  
cv2.imshow('aussian', aussian)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 中值滤波
# 相当于用中值代替
median = cv2.medianBlur(img, 5)  # 中值滤波
cv2.imshow('median', median)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 展示所有的
res = np.hstack((blur,aussian,median))#v\h控制方向
#print (res)
cv2.imshow('median vs average', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

3.腐蚀、膨胀操作
通常用于二值运算，kernel越大，越有可能被腐蚀。
腐蚀=变瘦，膨胀=变胖。局部最大最小值？

注意：腐蚀和膨胀是对白色部分（高亮部分）而言的，不是黑色部分。膨胀就是图像中的高亮部分进行膨胀，“领域扩张”，效果图拥有比原图更大的高亮区域。腐蚀就是原图中的高亮部分被腐蚀，“领域被蚕食”，效果图拥有比原图更小的高亮区域。
膨胀与腐蚀能实现多种多样的功能，主要如下：

• 消除噪声
• 分割(isolate)出独立的图像元素，在图像中连接(join)相邻的元素。
• 寻找图像中的明显的极大值区域或极小值区域
• 求出图像的梯度

#腐蚀
kernel = np.ones((3,3),np.uint8) 
erosion = cv2.erode(img,kernel,iterations = 1)

#膨胀
kernel = np.ones((3,3),np.uint8) 
dige_dilate = cv2.dilate(dige_erosion,kernel,iterations = 1)

4.开运算与闭运算

开还是闭，看最后一个操作就行了。

开运算能够除去孤立的小点，毛刺和小桥，而总的位置和形状不便。 （消除外部噪音）

闭运算能够填平小湖（即小孔），弥合小裂缝，而总的位置和形状不变。（消除内部噪音）

https://blog.csdn.net/hanshanbuleng/article/details/80657148

# 开：先腐蚀，再膨胀
kernel = np.ones((5,5),np.uint8) 
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)


# 闭：先膨胀，再腐蚀
kernel = np.ones((5,5),np.uint8) 
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

5.梯度运算
梯度=膨胀-腐蚀
可以得到边界信息

# 梯度=膨胀-腐蚀
pie = cv2.imread('pie.png')
kernel = np.ones((7,7),np.uint8) 
dilate = cv2.dilate(pie,kernel,iterations = 5)
erosion = cv2.erode(pie,kernel,iterations = 5)

6.礼帽与黑帽
【补充】形态学梯度

基本梯度 = 膨胀 - 腐蚀

礼帽 = 原始输入 - 开运算

黑帽 = 闭运算 - 原始输入

礼帽是通过原图片减去开操作后的图像，得到暗其中的多于的细小部分（字边上的白色细线）。

黑帽是通过闭操作后的图像减去原图像，得到亮其中的细小泄漏部分（字中间的黑色细线）。

tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
blackhat  = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT, kernel)

图及部分笔记源：https://www.cnblogs.com/leokale-zz/p/11346993.html