形态学滤波——python实现开运算、闭运算、形态学梯度、顶帽、黑帽

一、几种运算之间的区别与特点

运算类型	操作	目的
开运算	先腐蚀再膨胀	可在纤细点出分离物体。有助于消除噪音
闭运算	先膨胀后腐蚀	用于排除前景对象中的小孔或对象上的小黑点
形态学梯度	膨胀图与腐蚀图之差	用于保留目标物体的边缘轮廓
顶帽	原图与开运算图之差	分离比邻近点亮的斑块，用于突出原图像中比周围亮的区域
黑帽	闭运算图-原图像	分离比邻近点暗的斑块，突出原图像中比周围暗的区域

二、几种操作的python实现以及效果

1、开运算

代码：

import cv2
import numpy as np
#读图
img = cv2.imread('F:/BYJC/image/img.jpg',0)
#设置核
kernel = np.ones((5,5),np.uint8)
#开运算
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
 
#显示效果
cv2.imshow('src',img)
cv2.imshow('result',opening)
cv2.waitKey()

效果： 

2、闭运算

代码：

import cv2
import numpy as np
#读图
img = cv2.imread('F:/BYJC/image/img.jpg',0)
#设置核
kernel = np.ones((3,3),np.uint8)
#闭运算
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
 
#显示效果
cv2.imshow('src',img)
cv2.imshow('result',closing)
cv2.waitKey()

 效果：

3、形态学梯度

代码：

import cv2
import numpy as np
#读图
img = cv2.imread('F:/BYJC/image/img1.jpg',0)
#设置核
kernel = np.ones((5,5),np.uint8)
#形态学梯度调用
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
 
#显示效果
cv2.imshow('src',img)
cv2.imshow('result',gradient)
cv2.waitKey()

效果：

4、顶帽

代码：

import cv2
import numpy as np
#读图
img = cv2.imread('F:/BYJC/image/img.jpg',0)
#设置核
kernel = np.ones((5,5),np.uint8)
#顶帽调用
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
#显示效果
cv2.imshow('src',img)
cv2.imshow('show',tophat)
cv2.waitKey()

 效果：

5、黑帽

代码：

import cv2
import numpy as np
#读图
img = cv2.imread('F:/BYJC/image/img.jpg',0)
#设置核
kernel = np.ones((5,5),np.uint8)
#黑帽调用
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
#显示效果
cv2.imshow('src',img)
cv2.imshow('show',blackhat)
cv2.waitKey()

效果：

三、内核设置

cv2.getStructuringElement()

在实际的使用中，某些情况下，可能需要椭圆/圆形内核。 因此，OpenCV提供了一个函数cv2.getStructuringElement(),只需传递内核的形状和大小，即可获得所需的内核。

这个函数的第一个参数表示内核的形状，有三种形状可以选择：

矩形：MORPH_RECT；

交叉形：MORPH_CROSS；

椭圆形：MORPH_ELLIPSE；

第二和第三个参数分别是内核的尺寸以及锚点的位置。一般在调用erode以及dilate函数之前，先定义一个Mat类型的变量来获得函数的返回值: 对于锚点的位置，有默认值Point（-1,-1），表示锚点位于中心点。element形状唯一依赖锚点位置，其他情况下，锚点只是影响了形态学运算结果的偏移。

代码：

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(11,11))