开运算以及顶帽运算matlab,opencv 实现图像形态学操作 膨胀和腐蚀 开闭运算 形态学梯度 顶帽和黑帽...

图像膨胀和腐蚀

图解

膨胀和腐蚀理解

原理及python实现

opencv中膨胀和腐蚀函数

dilation = cv.dilate(img, kernel) # 膨胀

erosion = cv.erode(img, kernel) # 腐蚀

实验

import cv2 as cv

import numpy as np

img = cv.imread('j.png')

img = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

ret,th = cv.threshold(img,0,255,cv.THRESH_BINARY+cv.THRESH_OTSU)

# 参数1：源图；参数2：核大小；参数3：腐蚀次数

erode1 = cv.erode(th,(3,3),10) # 腐蚀

dilate1 = cv.dilate(th,(3,3),10) # 扩张

result = np.hstack((th,erode1,dilate1))

cv.imshow('result',result)

cv.waitKey(0)

cv.destroyAllWindows()

输出结果类似于上图

cv.erode() 函数参数2：kernel讲解

这个核也叫结构元素，因为形态学操作其实也是应用卷积来实现的。结构元素可以是矩形/椭圆/十字形，可以用cv.getStructuringElement()来生成不同形状的结构元素，比如：

kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5)) # 矩形结构

kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (5, 5)) # 椭圆结构

kernel = cv.getStructuringElement(cv.MORPH_CROSS, (5, 5)) # 十字形结构

图解生成的各种结构元素

图像开闭运算

原理

开运算：先腐蚀，再膨胀。有效消除物体外的白色噪声。

闭运算：先膨胀，后腐蚀。有效消除物体内的黑色噪声。

python实现

matlab实现

实验

import cv2 as cv

import numpy as np

img = cv.imread('paojie_g.jpg',0)

ret,th = cv.threshold(img,0,255,cv.THRESH_BINARY+cv.THRESH_OTSU)

kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5)) # 定义结构元素

opening = cv.morphologyEx(th, cv.MORPH_OPEN, kernel) # 开运算

closing = cv.morphologyEx(th, cv.MORPH_CLOSE, kernel) # 闭运算

result = np.hstack((th,opening,closing))

cv.imshow('result',result)

cv.waitKey(0)

cv.destroyAllWindows()

实验结果

左图：原图；中图：开运算结果；右图：闭运算结果

形态学梯度

定义

形态学梯度：膨胀图减去腐蚀图，dilation - erosion，这样会得到物体的轮廓：

左图：原图；右图：形态学梯度得到的图像轮廓

其它形态学运算

顶帽：原图减去开运算后的图：src - opening

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

黑帽：闭运算后的图减去原图：closing - src

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