python opencv入门-形态学转换

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

目标：

学习不同的形态操作例如腐蚀、膨胀、开运算、闭运算等。

我们要学习的函数有 cv2.erode(),cv2.dilate(),cv2.morphologyEx() 等。

原理：
一般对二值化图像进行形态学转换操作。输入的第一个参数为原始图像；第二个参数为结构化元素（核），该参数决定操作性质。两个基本形态学操作是腐蚀膨胀，衍生出了开运算、闭运算、梯度运算等等

腐蚀：
腐蚀操作会把前景物体的边缘腐蚀掉。原理是卷积核沿着图像滑动，如果与卷积核对应的原图像像素值都是1，那么中心元素保持原值，否则为0.
效果，靠近前景的像素被腐蚀为0，前景物体变小，图像白色区域减少，对于去除白噪声很有用，可以断开两个连接在一起的物体。
（图像当中的白噪声大概意思就是随机噪声）

如下5*5的卷积核

 import cv2

 import numpy as np

 img = cv2.imread('9.jpg',0)

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

 erosion = cv2.erode(img,kernel,iterations = 2)

 cv2.imshow('img',img)

 cv2.imshow('ero',erosion)

 cv2.waitKey(0)

左侧为腐蚀后的图像，iterations为迭代运算次数

膨胀：
与腐蚀相反，卷积核当中只要有一个值是1，中心元素值就是1。此操作会增加前景中的白色区域，一般在去噪声的时候都是先腐蚀再膨胀，腐蚀的过程会使得前景变小，使用膨胀操作使前景变换回来。膨胀也可以使相互分离的物体连接。

 import cv2

 import numpy as np

 img = cv2.imread('9.jpg',0)

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

 dilation = cv2.dilate(img,kernel,iterations = 1)

 cv2.imshow('img',img)

 cv2.imshow('dil',dilation)

 cv2.waitKey(0)

左边为膨胀

开运算：
就是先腐蚀再膨胀，一般用来去除噪声

函数是 cv2.morphologyEx()

 import cv2

 import numpy as np

 img = cv2.imread('9.jpg',0)

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

 opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

 cv2.imshow('img',img)

 cv2.imshow('opening',opening)

 cv2.waitKey(0)

结果略

闭运算：

先膨胀再腐蚀，一般用来填充黑色的小像素点

 import cv2

 import numpy as np

 img = cv2.imread('9.jpg',0)

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

 closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

 cv2.imshow('img',img)

 cv2.imshow('closing',closing)

 cv2.waitKey(0)

形态学梯度

此为膨胀和腐蚀的差别，结果为前景轮廓

 import cv2

 import numpy as np

 img = cv2.imread('9.jpg',0)

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

 gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

 cv2.imshow('img',img)

 cv2.imshow('gradient',gradient)

 cv2.waitKey(0)

礼帽：

原始图像与开运算图像的差

 import cv2

 import numpy as np

 img = cv2.imread('9.jpg',0)

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

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

 cv2.imshow('img',img)

 cv2.imshow('tophat',tophat)

 cv2.waitKey(0)

黑帽：

闭运算与原始图像的差（注意是闭运算减去原始图像，与礼帽不相反）

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

结构化元素
前面使用numpy构建结构化元素，都是正方形的核。如果要构建圆形或者椭圆形的核，可以使用 cv2.getStructuringElement()函数。
参数填入形状和大小

 # 矩形核

 >>> cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))

 array([[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]], dtype=uint8)

 # 椭圆形核

 >>> cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))

 array([[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]], dtype=uint8)

 # 十字形核

 >>> cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))

 array([[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]], dtype=uint8)