【OpenCV-Python】教程：3-5 形态学操作，腐蚀、膨胀、开运算、闭运算、顶帽、黑帽、形态学梯度

OpenCV Python 形态学操作-膨胀、腐蚀、开运算、闭运算

【目标】

• 膨胀
• 腐蚀
• 开运算
• 闭运算

【代码】

两个基本的操作是腐蚀和膨胀；
腐蚀：对前景边缘进行腐蚀，在原图中，只有像素结构与核一致时为1(保留)，否则为0(腐蚀)。前景变小，可以用于消除那些小的白点，运动检测的 blob 中经常使用，还可以用于分离两个连通的对象。
膨胀：与腐蚀相反，在核下，如果有像素为1，则为1。白色区域会变大，但同时噪声也会更加明显。所以常与腐蚀一起使用，先腐蚀后膨胀,消除噪声后，恢复原来图像的前景大小。
开运算：先腐蚀后膨胀
闭运算：先膨胀后腐蚀
形态学梯度：膨胀与腐蚀的差值图像
顶帽：输入图像与开运算图像的差值图像
黑帽：输入图像与闭运算图像的差值图像

import cv2
import numpy as np


img = cv2.imread('hui2.png',0)

kernel = np.ones((5,5),np.uint8)

erosion = cv2.erode(img,kernel,iterations = 1)
dilation = cv2.dilate(img,kernel,iterations = 1)
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)


cv2.imshow("src", img)
cv2.imshow("erosion", erosion)
cv2.imshow("dilation", dilation)
cv2.imshow("opening", opening)
cv2.imshow("closing", closing)
cv2.imshow("gradient", gradient)


cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2
import numpy as np

img = cv2.imread('hui2.png',0)

kernel = np.ones((5,5),np.uint8)

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

cv2.imshow("tophat", tophat)
cv2.imshow("blackhat", blackhat)

cv2.waitKey(0)
cv2.destroyAllWindows()

各类型形态学操作核的示意

• MORPH_RECT @ 5x5

[[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]]

• MORPH_ELLIPSE @ 5x5

[[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]]

• MORPH_CROSS @ 5x5

[[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]]

【接口】

• erode

void cv::erode	(	InputArray 	src,
OutputArray 	dst,
InputArray 	kernel,
Point 	anchor = Point(-1,-1),
int 	iterations = 1,
int 	borderType = BORDER_CONSTANT,
const Scalar & 	borderValue = morphologyDefaultBorderValue() 
);

cv2.erode(	src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]	) ->	dst

利用特殊的结构元素腐蚀图像

• src: 原始图像
• dst: 结果图像
• kernel: 结构元素
• anchor: 默认为(-1, -1), 结构元素的中心，可以设置不同的锚点
• iterations: 腐蚀次数
• borderType: 边缘类型，BORDER_WRAP 不支持
• borderValue: 边缘填充的像素值

• dilation

void cv::dilate	(	InputArray 	src,
OutputArray 	dst,
InputArray 	kernel,
Point 	anchor = Point(-1,-1),
int 	iterations = 1,
int 	borderType = BORDER_CONSTANT,
const Scalar & 	borderValue = morphologyDefaultBorderValue() 
);

cv2.dilate(	src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]	) ->	dst

利用特殊的结构元素膨胀图像

• src: 原始图像
• dst: 结果图像
• kernel: 结构元素
• anchor: 默认为(-1, -1), 结构元素的中心，可以设置不同的锚点
• iterations: 膨胀次数
• borderType: 边缘类型，BORDER_WRAP 不支持
• borderValue: 边缘填充的像素值

• morphologyEx

void cv::morphologyEx	(	InputArray 	src,
OutputArray 	dst,
int 	op,
InputArray 	kernel,
Point 	anchor = Point(-1,-1),
int 	iterations = 1,
int 	borderType = BORDER_CONSTANT,
const Scalar & 	borderValue = morphologyDefaultBorderValue() 
);

cv2.morphologyEx(	src, op, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]	) ->	dst

利用特殊的结构元素进行形态学操作

• src: 原始图像
• dst: 结果图像
• op: 操作类型
• kernel: 结构元素
• anchor: 默认为(-1, -1), 结构元素的中心，可以设置不同的锚点
• iterations: 形态学次数
• borderType: 边缘类型，BORDER_WRAP 不支持
• borderValue: 边缘填充的像素值

• MorphTypes
  

• BorderTypes

见 BorderTypes

【参考】

1. OpenCV官方文档
2. Morphology