python形态学图像处理:图像腐蚀、图像膨胀、开运算、闭运算、梯度运算、顶帽、黑帽

腐蚀、膨胀

这两个操作原理一样，都是先创造一个kernel，在kernel中划分感兴趣区域与原点。
腐蚀时，若当前感兴趣区域中有0，则将原点赋为0；
膨胀时，若当前感兴趣区域中有1，则将原点赋为1。

图中用了一个2x2的核，右下的角的黑色方格为原点，绿色方格为感兴趣区域。使用它作为滑窗对原图进行处理。(原图应为二值图)

开闭、梯度运算

开运算：先腐蚀，再膨胀
开运算可用于去噪、去毛刺、分离两个连接在一起的物体。

闭运算：先膨胀，再腐蚀
闭运算可用于填充小孔、连接两个分离的物体。

这里的物体是相对的，可以理解成:

1. 开运算：连接黑色色块，去除白色噪点。
2. 闭运算：连接白色色块，去除黑色噪点。

梯度=膨胀图像-腐蚀图像
梯度运算用于求边缘

顶帽、黑帽

顶帽=原图-开运算
获取白色物体

黑帽=闭运算-原图
获取黑色物体

效果

python+cv2代码

import cv2 as cv
import numpy as np 
import matplotlib
import matplotlib.pyplot as plt 
import os
%matplotlib qt5
matplotlib.rcParams['font.family'] = 'SimHei'
img = cv.imread('geo.png')
img_rgb = cv.cvtColor(img,cv.COLOR_BGR2RGB)
img_gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

#（5,5）
kernel = np.ones((5,5),dtype=np.uint8)
print(kernel)
img_open = cv.morphologyEx(img_gray,cv.MORPH_OPEN,kernel)
img_close = cv.morphologyEx(img_gray,cv.MORPH_CLOSE,kernel)

#开闭运算
plt.subplot(131)
plt.imshow(img_rgb)
plt.title('原图')
plt.subplot(132)
plt.imshow(img_open,'gray')
plt.title('开运算')
plt.subplot(133)
plt.imshow(img_close,'gray')
plt.title('闭运算')
plt.show()

#腐蚀膨胀
img_ERODE = cv.morphologyEx(img_gray,cv.MORPH_ERODE,kernel)
img_DILATE = cv.morphologyEx(img_gray,cv.MORPH_DILATE,kernel)
plt.subplot(121)
plt.imshow(img_ERODE,'gray')
plt.title('腐蚀')
plt.subplot(122)
plt.imshow(img_DILATE,'gray')
plt.title('膨胀')
plt.show()

#梯度、帽子
img_gra = cv.morphologyEx(img_gray,cv.MORPH_GRADIENT,kernel)
img_black = cv.morphologyEx(img_gray,cv.MORPH_BLACKHAT,kernel)
img_top = cv.morphologyEx(img_gray,cv.MORPH_TOPHAT,kernel)
#plt.subplot(131)
#plt.imshow(img_gra,'gray',vmin=0,vmax=255)
#plt.title('梯度')
#plt.subplot(132)
#plt.imshow(img_top,'gray',vmin=0,vmax=255)
#plt.title('顶帽')
#plt.subplot(133)
plt.imshow(img_black,'gray',vmin=0,vmax=255)
plt.title('黑帽')