Python +OpenCV CH9:形态学操作(morphologyEx扩展)

1 图像腐蚀(缩小 erode)

1.1 基础理论

• 概览: 腐蚀二值图像中,数值为1的前景色,使其丢失自己的边缘而变小.
  
• 输入对象:
  　　→原始图像 : 二值图像
  　　→卷积核 : 二值图像
• 原理:
  　①卷积核中心点逐个像素扫描原始图像(遍历)
  
  为了便于观看,卷积核颜色改为彩色
  
  　②被扫描到的原始图像的所有像素点,只有当卷积核对应的区域所有元素均为1时,其核中心值才保留为1,否则被置换为0
  

kernel = np.ones((3,3),np.uint8)
dst = cv2.erode(src, kernel, iterations)
其中，参数：
・dst – 处理结果；
・src – 输入图像；
・kernel – 卷积核；
　　→ 一般为正方形: 类如 5行5列的数组
　　→生成方式： kernel = np.ones((3,3),np.uint8)
　　 ・np.ones 表示生成元素都为1 的数组
　　 ・np.uint8表示数据类型为 整形　　
・iterations– 迭代次数
　　→表示进行多少次的腐蚀
　　→默认情况下是1. 可以根据需要修改次数

1.2 代码示例

import cv2
import numpy as np
o=cv2.imread("image\\erode.bmp",cv2.IMREAD_UNCHANGED)
k=np.ones((5,5),np.uint8)
r=cv2.erode(o,k,iterations=10) #迭代次数为10次
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果
・修改核(5,5)以及iterations=10大小可改变效果

2 图像膨胀(扩张 dilate)

2.1 基础理论

• 概览: 腐蚀的逆操作.
  

• 输入对象:
  　　→原始图像 : 二值图像
  　　→卷积核 : 二值图像

• 原理: 与腐蚀操作类似
  　①卷积核中心点逐个像素扫描原始图像(遍历)
  　②被扫描到的原始图像的所有像素点,当卷积核对应的区域只要有一个为1时,核中心值就置换为1,否则为0
  

kernel = np.ones((3,3),np.uint8)
dst = cv2.dilate(src, kernel, iterations)
其中，参数：
・dst – 处理结果；
・src – 输入图像；
・kernel – 卷积核；
　　→ 一般为正方形: 类如 5行5列的数组
　　→生成方式： kernel = np.ones((3,3),np.uint8)
　　 ・np.ones 表示生成元素都为1 的数组
　　 ・np.uint8表示数据类型为 整形　　
・iterations– 迭代次数
　　→表示进行多少次的腐蚀
　　→默认情况下是1. 可以根据需要修改次数

2.2 代码示例

import cv2
import numpy as np
o=cv2.imread("image\\dilation.bmp",cv2.IMREAD_UNCHANGED)
k=np.ones((5,5),np.uint8)
r=cv2.dilate(o,k,iterations=10)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果
・修改核(5,5)以及iterations=10大小可改变效果

3 开运算(除外部噪音 MORPH_OPEN)

3.1 基础理论

• 原理: 开运算 = 膨胀(腐蚀(img))
  ・腐蚀操作,去除了噪声,但是会压缩图像
  ・对腐蚀过的图像进行膨胀处理,可去除噪声,并保持原形状
  

kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(src,cv2.MORPH_OPEN,kernel)
其中，参数：
・opening – 开运算处理结果；
・src – 输入图像；
・cv2.MORPH_OPEN – 开运算；
・kernel – 卷积核；与腐蚀和膨胀的卷积核一样
　　→ 一般为正方形: 类如 5行5列的数组
　　→生成方式： kernel = np.ones((3,3),np.uint8)

3.2 代码示例

import cv2
import numpy as np
o=cv2.imread("image\\opening.bmp",cv2.IMREAD_UNCHANGED)
k=np.ones((5,5),np.uint8)
r=cv2.morphologyEx(o,cv2.MORPH_OPEN,k)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果
・kernel (5,5) 还会残留一些毛刺

・kernel (10,10)

4 闭运算(除内部黑点 MORPH_CLOSE)

4.1 基础理论

• 原理: 闭运算 = 腐蚀(膨胀(img))
  ・有助于去除前景物体内部的小孔,或者物体上的黑点
  

4.2 代码示例

import cv2
import numpy as np
o=cv2.imread("image\\closing.bmp",cv2.IMREAD_UNCHANGED)
k=np.ones((5,5),np.uint8)
r=cv2.morphologyEx(o,cv2.MORPH_CLOSE,k)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

・kernel (5,5)

・kernel (10,10)

5 梯度运算(获取边界 MORPH_GRADIENT)

5.1 基础理论

• 原理: 梯度 = 膨胀(img) - 腐蚀(img)
  ・得到轮廓图像
  

kernel = np.ones((3,3),np.uint8)
gradient = cv2.morphologyEx(src,cv2.MORPH_GRADIENT,kernel)
其中，参数：
・gradient – 梯度运算处理结果；
・src – 输入图像；
・cv2.MORPH_GRADIENT – 梯度运算；
・kernel – 卷积核；

5.2 代码示例

import cv2
import numpy as np
o=cv2.imread("image\\gradient.bmp",cv2.IMREAD_UNCHANGED)
k=np.ones((5,5),np.uint8)
r=cv2.morphologyEx(o,cv2.MORPH_GRADIENT,k)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

・kernel (5,5)

・kernel (10,10)

6 礼帽操作(取外部噪音 MORPH_TOPHAT)

6.1 基础理论

• 原理: 礼帽图像 = 原始 - 开运算
  ・得到噪声图像

kernel = np.ones((3,3),np.uint8)
tophat = cv2.morphologyEx(src,cv2.MORPH_TOPHAT,kernel)
其中，参数：
・tophat – 礼帽运算处理结果；
・src – 输入图像；
・cv2.MORPH_TOPHAT – 礼帽运算；
・kernel – 卷积核；

6.2 代码示例

import cv2
import numpy as np
o=cv2.imread("image\\tophat.bmp",cv2.IMREAD_UNCHANGED)
k=np.ones((5,5),np.uint8)
r=cv2.morphologyEx(o,cv2.MORPH_TOPHAT,k)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

・kernel (5,5)

・kernel (10,10)

7 黑帽操作(取内部黑点 MORPH_BLACKHAT)

7.1 基础理论

• 原理: 礼帽图像 = 闭运算 - 原始
  ・得到图像内部的小孔,或者前景色中的小黑点

7.2 代码示例

import cv2
import numpy as np
o=cv2.imread("image\\blackhat.bmp",cv2.IMREAD_UNCHANGED)
k=np.ones((10,10),np.uint8)
r=cv2.morphologyEx(o,cv2.MORPH_BLACKHAT,k)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

・kernel (5,5)

・kernel (10,10)