【opencv】形态学转换（白色噪声、黑色小孔、毛刺、梯度边缘）

4_5_形态转换 - OpenCV中文官方文档

部分代码部分没有转载，点击原链接吧，我就放个效果图，方便自己以后查看。

opencv+python入门之六（形态学之腐蚀、膨胀、开运算、闭运算、梯度操作、礼帽和黑帽等） - 程序员大本营

 学习不同的形态学操作，例如侵蚀，膨胀，开运算，闭运算等。 

理论

• 形态变换是一些基于图像形状的简单操作。通常在二进制图像上执行。
• 它需要两个输入，一个是我们的原始图像，第二个是决定**操作性质的结构元素**或**内核**。
• 两种基本的形态学算子是侵蚀和膨胀。然后，它的变体形式（如“打开”，“关闭”，“渐变”等）也开始起作用。 

 1. 侵蚀 

侵蚀的基本思想就像土壤侵蚀一样，它侵蚀前景物体的边界(尽量使前景保持白色)。

• 内核滑动通过图像(在2D卷积中)。
• 原始图像中的一个像素(无论是1还是0)只有当内核下的所有像素都是1时才被认为是1，否则它就会被侵蚀(变成0)。

结果是，根据内核的大小，边界附近的所有像素都会被丢弃。因此，前景物体的厚度或大小减小，或只是图像中的白色区域减小。它有助于去除小的白色噪声(正如我们在颜色空间章节中看到的)，分离两个连接的对象等。

在这里，作为一个例子，我将使用一个5x5内核，它包含了所有的1。让我们看看它是如何工作的:

import cv2 as cv
import numpy as np
img = cv.imread('j.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv.erode(img,kernel,iterations = 1)

2. 扩张

• 它与侵蚀正好相反。如果内核下的至少一个像素为“ 1”，则像素元素为“ 1”。
• 因此，它会增加图像中的白色区域或增加前景对象的大小。
• 通常，在消除噪音的情况下，腐蚀后会膨胀。因为腐蚀会消除白噪声，但也会缩小物体。因此，我们对其进行了扩展。由于噪音消失了，它们不会回来，但是我们的目标区域增加了。
• 在连接对象的损坏部分时也很有用。

dilation = cv.dilate(img,kernel,iterations = 1) 

 

3. 开运算 

开放只是**侵蚀然后扩张**的另一个名称。如上文所述，它对于消除噪音很有用。在这里，我们使用函数**cv.morphologyEx**()（可以消除一些毛刺）

opening = cv.morphologyEx(img, cv.MORPH_OPEN, kernel) 

结果：

4. 闭运算

• 闭运算与开运算相反，先扩张然后再侵蚀。
• 在关闭前景对象内部的小孔或对象上的小黑点时很有用（可以消除图像内部的一些小孔之类的噪声）。

closing = cv.morphologyEx(img, cv.MORPH_CLOSE, kernel) 

  

5. 形态学梯度

这是图像扩张和侵蚀之间的区别（图像的梯度操作就是将图像膨胀的结果减去腐蚀的结果，以得到图像的边缘）。

结果将看起来像对象的轮廓。

gradient = cv.morphologyEx(img, cv.MORPH_GRADIENT, kernel) 

Opencv2.4学习：：形态学处理（三）形态学梯度、顶帽、黑帽_dieju8330的博客-CSDN博客_形态学梯度

6. 顶帽

它是输入图像和图像开运算之差。下面的示例针对9x9内核完成（以得到前景图外面的毛刺噪声。）

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

结果：

7. 黑帽

这是输入图像和图像闭运算之差。(以得到前景图像内部的小孔等噪声。)

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

结果：