Opencv3学习笔记(C++&Python双语)---图像形态学

原理

详细原理描述参考《学习opencv3》第10章 卷积与滤波

形态学操作是根据图像形状进行的的简单操作。一般情况下对二值化图像的操作。需要输入两个参数，一个是原始图像，第二个称为结构化元素或核，它是用来决定操作的性质的。两个基本的形态学操作是腐蚀和膨胀。他们的变体构成了开运算，闭运算，梯度等。

腐蚀

腐蚀是一种卷积操作（基本上所有的图像处理都是用卷积实现），它将目标像素替换为卷积核覆盖区域的局部最小值。这个操作会把前景物体的边界腐蚀掉，使前景变小。这对于去除噪声很有用，也可以用来断开两个连在一起的物体。

膨胀

与腐蚀相反，膨胀将目标像素替换为卷积核覆盖区域的局部最大值，所以这个操作会增加图像中白色区域（前景）。一般在去噪音时先腐蚀再膨胀，因为腐蚀再去掉白噪音的同时，也会使前景对象变小，所以我们再膨胀。这时噪音已经被去除，不会再回来了，但是前景还在并会增加，膨胀也可以用来连接两个分开的物体。

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
%matplotlib qt5

#通道转换函数，用plt显示opencv读取的图像
def bgr2rgb(img):
    h,w,c = img.shape
    b,g,r = cv.split(img)
    img_rgb=cv.merge([r,g,b])
    return img_rgb

img = cv.imread("E:\\opencv2020\\picture\\erzhi1.jpg")
kernel = np.ones((5,5),np.uint8)
erosion = cv.erode(img,kernel)
dilate = cv.dilate(img,kernel)

imgs=[img,erosion,dilate]

titles= ["input","erosion","dilate"]

for i in range(3):
    plt.subplot(1,3,i+1)
    plt.imshow(imgs[i])
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])
plt.show()

 输出图像

 

开运算  

先进行腐蚀再进行膨胀就叫做开运算。被用来去除噪音

img = cv.imread("E:\\opencv2020\\picture\\girl.jpg")
kernel = np.ones((11,11),np.uint8)
closing = cv.morphologyEx(img,cv.MORPH_CLOSE,kernel)


imgs=[img,closing]
imgs=[bgr2rgb(i) for i in imgs]

titles= ["input","closing"]

for i in range(2):
    plt.subplot(1,2,i+1)
    plt.imshow(imgs[i])
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])
plt.show()

 输出图像

闭运算

先膨胀再腐蚀。被用来填充前景物体中的小洞，或者前景上的小黑点

img = cv.imread("E:\\opencv2020\\picture\\girl2.jpg")
kernel = np.ones((7,7),np.uint8)
closing = cv.morphologyEx(img,cv.MORPH_CLOSE,kernel)


imgs=[img,closing]
imgs=[bgr2rgb(i) for i in imgs]

titles= ["input","closing"]

for i in range(2):
    plt.subplot(1,2,i+1)
    plt.imshow(imgs[i])
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])
plt.show()

输出图像，可以看到女孩脸上的色斑少了

形态学梯度

其实就是一幅图像膨胀与腐蚀的差别。结果看上去就像前景物体的轮廓。

img = cv.imread("E:\\opencv2020\\picture\\j20.jpg")
kernel = np.ones((7,7),np.uint8)
gradient = cv.morphologyEx(img,cv.MORPH_GRADIENT,kernel)


imgs=[img,gradient]
imgs=[bgr2rgb(i) for i in imgs]

titles= ["input","gradient"]

for i in range(2):
    plt.subplot(1,2,i+1)
    plt.imshow(imgs[i])
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])
plt.show()

 输出图像

顶帽

原始图像与进行开运算之后得到的图像的差。

黑帽

进行闭运算之后得到的图像与原始图像的差

涉及函数

腐蚀  cv.erode()

膨胀 cv.dilate()

通用形态学函数  cv.morphologyEx()

img = cv.imread("E:\\opencv2020\\picture\\j20.jpg")
kernel = np.ones((7,7),np.uint8)
tophat = cv.morphologyEx(img,cv.MORPH_TOPHAT,kernel)
blackhat = cv.morphologyEx(img,cv.MORPH_BLACKHAT,kernel)


imgs=[img,tophat,blackhat]
imgs=[bgr2rgb(i) for i in imgs]

titles= ["input","tophat","blackhat"]

for i in range(3):
    plt.subplot(1,3,i+1)
    plt.imshow(imgs[i])
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])
plt.show()

输出图像