摘要:本篇文章主要讲解Python调用OpenCV实现图像形态学转化,包括图像开运算、图像闭运算和梯度运算
本文分享自华为云社区《[Python图像处理] 九.形态学之图像开运算、闭运算、梯度运算》,作者:eastmount。
数学形态学(Mathematical morphology)是一门建立在格论和拓扑学基础之上的图像分析学科,是数学形态学图像处理的基本理论。其基本的运算包括:腐蚀和膨胀、开运算和闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换等。
本篇文章主要讲解Python调用OpenCV实现图像形态学转化,包括图像开运算、图像闭运算和梯度运算,基础性知识希望对您有所帮助。
- 1.图像开运算
- 2.图像闭运算
- 3.图像梯度运算
一. 图像开运算
1.基本原理
图像开运算是图像依次经过腐蚀、膨胀处理后的过程。图像被腐蚀后,去除了噪声,但是也压缩了图像;接着对腐蚀过的图像进行膨胀处理,可以去除噪声,并保留原有图像。如下图所示:
开运算(img) = 膨胀( 腐蚀(img) )
![](https://pic2.zhimg.com/80/v2-03897a028fbdbf422dc40d1439c6bd45_720w.jpg)
下图是hanshanbuleng博主提供的开运算效果图,推荐大家学习他的文章。
https://blog.csdn.net/hanshanbuleng/article/details/80657148
![](https://pic4.zhimg.com/80/v2-0fbb2c07960af71b95c1631338bed047_720w.jpg)
2.函数原型
图像开运算主要使用的函数morphologyEx,它是形态学扩展的一组函数,其参数cv2.MORPH_OPEN对应开运算。其原型如下:
dst = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)
参数dst表示处理的结果,src表示原图像,cv2.MORPH_OPEN表示开运算,kernel表示卷积核。下图表示5*5的卷积核,可以采用函数 np.ones((5,5), np.uint8) 构建。
![](https://pic4.zhimg.com/80/v2-5d4ab7c2b12f3564026ba29cde7e6c7f_720w.jpg)
运行结果如下图所示:
![](https://pic4.zhimg.com/80/v2-16d2f4d13f70e2d708ead5d3996144d3_720w.jpg)
3.代码实现
完整代码如下所示:
#encoding:utf-8 import cv2 import numpy as np #读取图片 src = cv2.imread('test01.png', cv2.IMREAD_UNCHANGED) #设置卷积核 kernel = np.ones((5,5), np.uint8) #图像开运算 result = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel) #显示图像 cv2.imshow("src", src) cv2.imshow("result", result) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
输出结果如下图所示,可以看到噪声已经被去除了。
![](https://pic3.zhimg.com/80/v2-b73d861f028140277c5081656eeb3bf6_720w.jpg)
但是结果result中仍然有部分噪声,如果想去除更彻底将卷积设置为10*10的。
kernel = np.ones((10,10), np.uint8)
result = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)
![](https://pic2.zhimg.com/80/v2-3d8d6f284c4c56be9dd23fc43e4e6e71_720w.jpg)
二. 图像闭运算
1.基本原理
图像闭运算是图像依次经过膨胀、腐蚀处理后的过程。图像先膨胀,后腐蚀,它有助于关闭前景物体内部的小孔,或物体上的小黑点。如下图所示:
闭运算(img) = 腐蚀( 膨胀(img) )
![](https://pic2.zhimg.com/80/v2-faed54e06bc79ed73220b09b2f0e1f55_720w.jpg)
下图是hanshanbuleng博主提供的开运算效果图,推荐大家学习他的文章。
![](https://pic1.zhimg.com/80/v2-6d2f2d6a20bd869cf785db3e84ad3610_720w.jpg)
2.函数原型
图像闭运算主要使用的函数morphologyEx,其原型如下:
dst = cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernel)
参数dst表示处理的结果,src表示原图像, cv2.MORPH_CLOSE表示闭运算,kernel表示卷积核。下图表示5*5的卷积核,可以采用函数 np.ones((5,5), np.uint8) 构建。
![](https://pic3.zhimg.com/80/v2-ace6e119c8f3311e0f986fb134bd410a_720w.jpg)
运行结果如下图所示:
![](https://pic4.zhimg.com/80/v2-1e7973da93bbccb6c758cdb8b5149957_720w.jpg)
3.代码实现
完整代码如下所示:
#encoding:utf-8 import cv2 import numpy as np #读取图片 src = cv2.imread('test03.png', cv2.IMREAD_UNCHANGED) #设置卷积核 kernel = np.ones((10,10), np.uint8) #图像闭运算 result = cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernel) #显示图像 cv2.imshow("src", src) cv2.imshow("result", result) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
输出结果如下图所示,可以看到中间的噪声去掉。
![](https://pic2.zhimg.com/80/v2-c008f24b9f2ac47d8faf025a6b0c8f75_720w.jpg)
三. 图像梯度运算
1.基本原理
图像梯度运算是膨胀图像减去腐蚀图像的结果,得到图像的轮廓,其中二值图像1表示白色点,0表示黑色点。如下图所示:
梯度运算(img) = 膨胀(img) - 腐蚀(img)
![](https://pic4.zhimg.com/80/v2-c4abd762a09c5de9206bcf551e8b421f_720w.jpg)
2.函数原型
图像梯度运算主要使用的函数morphologyEx,参数为cv2.MORPH_GRADIENT。其原型如下:
dst = cv2.morphologyEx(src, cv2.MORPH_GRADIENT, kernel)
参数dst表示处理的结果,src表示原图像, cv2.MORPH_GRADIENT表示梯度运算,kernel表示卷积核。5*5的卷积核可以采用函数 np.ones((5,5), np.uint8) 构建。
运行结果如下图所示:
![](https://pic3.zhimg.com/80/v2-5f9fef122d157893690d8efc4139e2fa_720w.jpg)
3.代码实现
完整代码如下所示:
#encoding:utf-8 import cv2 import numpy as np #读取图片 src = cv2.imread('test04.png', cv2.IMREAD_UNCHANGED) #设置卷积核 kernel = np.ones((10,10), np.uint8) #图像闭运算 result = cv2.morphologyEx(src, cv2.MORPH_GRADIENT, kernel) #显示图像 cv2.imshow("src", src) cv2.imshow("result", result) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
输出结果如下图所示,可以看到中间的噪声去掉。
![](https://pic1.zhimg.com/80/v2-3b62d1eaaa27ef895afbfbcfe703753c_720w.jpg)
该系列在github所有源代码:https://github.com/eastmountyxz/ImageProcessing-Python
本文摘录自eastmount X华为云开发者社区联合出品的电子书《从零到一 • Python图像处理及识别》。点击免费下载电子书《从零到一 • Python图像处理及识别》