openCV：形态学操作

基本概念

定义

形态学操作是根据图像形状进行的简单操作。一般情况下对二值化图像进行的操作。需要输入两个参数，一个是原始图像，第二个被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。

结构元素

图像处理经常要用到形态学操作，其中首先要获取结构元素。包括结构元素的大小及形状。

使用 Numpy 构建的结构化元素，它是正方形的。但有时我们需要构建一个椭圆形/圆形的核。为了实现这种要求，使用OpenCV函数 cv2.getStructuringElement()。只需要告诉他需要的核的形状和大小。

import cv2 #opencv读取的格式是BGR
import numpy as np
import matplotlib.pyplot as plt#Matplotlib是RGB
%matplotlib inline 

def cv_showimg(name,img):
    cv2.imshow(name, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 矩形
kernel = np.ones((5,5),np.uint8)
kernel_1 = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
print("矩形:\n%s"%kernel)
print("矩形1:\n%s"%kernel_1)
# 椭圆
kernel_2 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
print("椭圆:\n%s"%kernel_2)
# 十字形
kernel_3 = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
print("十字:\n%s"%kernel_3)  

矩形:
[[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]]
矩形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 1]]
椭圆:
[[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]]
十字:
[[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]]
矩形:
[[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]]
矩形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 1]]
椭圆:
[[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]]
十字:
[[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]]

基本形态学操作

腐蚀操作

在深蓝色正方形上使用圆盘进行腐蚀运算，结果为浅蓝色正方形。

腐蚀作用：可以用来消除小且无意义的物体。

腐蚀原理图.png

dst =cv2.erode(src,kernel,iterations = 1)

参数意义如下:

• src：输入图像
• dst：输出图像
• kernel：核(结构元素)
• iterations：迭代次数

img = cv2.imread('dige.png')
cv_showimg('img',img)

原图.PNG

kernel = np.ones((3,3),np.uint8) 
erosion = cv2.erode(img,kernel,iterations = 1)
cv_showimg('erosion',erosion)

腐蚀操作.PNG

pie = cv2.imread('pie.png')
kernel = np.ones((30,30),np.uint8) 
erosion_1 = cv2.erode(pie,kernel,iterations = 1)
erosion_2 = cv2.erode(pie,kernel,iterations = 2)
res = np.hstack((pie,erosion_1,erosion_2))
cv_showimg('res',res)

腐蚀操作的迭代结果.PNG

膨胀操作

在深蓝色正方形上使用圆盘进行膨胀运算，结果为浅蓝色正方形，带有圆角。

膨胀作用：可以用来填补物体中的空洞。

膨胀原理图.png

dst = cv2.dilate(src,kernel,iterations = 1)

参数意义如下：

• src：输入图像
• dst：输出图像
• kernel：核(结构元素)
• iterations：迭代次数

kernel = np.ones((3,3),np.uint8) 
dilate = cv2.dilate(img,kernel,iterations = 1)
cv_showimg('dilate',dilate)

膨胀操作.PNG

pie = cv2.imread('pie.png')
kernel = np.ones((30,30),np.uint8) 
dilate_1 = cv2.dilate(pie,kernel,iterations = 1)
dilate_2 = cv2.dilate(pie,kernel,iterations = 2)
res = np.hstack((pie,dilate_1,dilate_2))
cv_showimg('res',res)

膨胀操作的迭代结果.PNG

开运算

在数学形态学中，开运算被定义为先腐蚀后膨胀。

开运算作用：它被用来去除噪声

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

参数意义如下:

• src：输入图像
• cv2.MORPH_OPEN：形态学开运算
• kernel：核(结构元素)

img = cv2.imread('dige.png')

kernel = np.ones((5,5),np.uint8) 
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
cv_showimg('opening',opening)

开运算.PNG

高级形态学操作

闭运算

在数学形态学中，闭运算被定义为先膨胀后腐蚀。

闭运算作用：经常被用来填充前景物体中的小洞，或者前景物体上的小黑点。

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

参数意义如下:

• src：输入图像
• cv2.MORPH_CLOSE：形态学闭运算
• kernel：核(结构元素)

img = cv2.imread('dige.png')

kernel = np.ones((5,5),np.uint8) 
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
cv_showimg('closing',closing)

闭运算.PNG

形态学梯度

其实就是一幅图像膨胀与腐蚀的之差。

形态学梯度作用：提取前景物体的轮廓。

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

参数意义如下:

• src：输入图像
• cv2.MORPH_GRADIENT：形态学闭运算
• kernel：核(结构元素)

pie = cv2.imread('pie.png')
kernel = np.ones((7,7),np.uint8) 
gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel)
cv_showimg('gradient',gradient)

形态学梯度.PNG

礼帽操作

原始图像与进行开运算之后得到的图像的差。

形态学礼帽作用：提取图像中的噪声。

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

参数意义如下:

• src：输入图像
• cv2.MORPH_TOPHAT：形态学礼帽
• kernel：核(结构元素)

img = cv2.imread('dige.png')
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
cv_showimg('tophat',tophat)

礼帽.PNG

黑帽

进行闭运算之后得到的图像与原始图像的差。

形态学黑帽作用：突出噪声与原始图像的交界处，可近似表现出一些轮廓。

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

参数意义如下:

• src：输入图像
• cv2.MORPH_BLACKHAT：形态学黑帽
• kernel：核(结构元素)

img = cv2.imread('dige.png')
blackhat  = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT, kernel)
cv_showimg('blackhat',blackhat)

黑帽操作.PNG