OpenCV学习笔记(9)——形态学转换

• 不同的形态学操作，例如腐蚀，膨胀，开运算，闭运算等

　　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操作。需要的参数有两个，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。

1.腐蚀

　　就像土壤侵蚀一样，这个操作会把前景物体的边界腐蚀掉（但前景仍然是白色的）。怎么实现的?卷积核沿着图像滑动，如果与卷积核对应的原图像的所有像素值都是1，那么中心元素就保持原来的像素值，否则就变为0.

　　这样根据卷积核的大小，靠近前景的所欲像素都会被腐蚀掉，所有前景侮辱会变小，整幅图像的白色区域会减少。这对ゆ去除白噪声很有用，也可以用来断开两个连载一起的物体等。

　　以下例程使用一个5*5卷积核，其中所有值都是1：

　　# -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('7.png',0)
kernel = np.ones((5,5),np.uint8)#注意这里kernel的类型和前面不同
erosion = cv2.erode(img,kernel,iterations=1)#iteration指迭代执行的次数

cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果如下：

--->

2.膨胀

　　正好与腐蚀相反，只要卷积核对应的原图像的像素值中有一个是1，中心元素的像素值就是1.所以用这个操作会增加白色区域。一般在去噪声时先用腐蚀再用膨胀。因为腐蚀在去掉白噪声时也会导致前景对象变小。所以在对其进行膨胀操作，此时不会增加白噪声的情况下可以增加前景。当然膨胀也可以用来连接两个分开的物体。

 # -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('7.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.dilate(img,kernel,iterations=1)

cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果如下：

    ---> 

3.开运算

　　先进行腐蚀在进行膨胀就叫做开运算。作用如上所述是为了去除噪声。我们也可以用cv2.morphologyEx()来操作

# -*- coding:utf-8 -*-

import numpy as np
import  cv2
from matplotlib import pyplot as plt

img = cv2.imread('6.jpg',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)

cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

4.闭运算

　　先膨胀再腐蚀。它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

# -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('6.jpg',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)#中间的设置项变了

cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.形态学梯度

　　就是一幅图像膨胀和腐蚀的区别。看上去就像前景物体的轮廓

　　# -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('7.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)

cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

6.礼帽

　　原始图像 与 进行开运算后得到的图像 做差（可以想象应该主要是噪声）。

# -*- coding:utf-8 -*-

import numpy as np
import  cv2
from matplotlib import pyplot as plt

img = cv2.imread('7.png',0)
kernel = np.ones((9,9),np.uint8)
erosion = cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)

cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows(）

（这是与9*9的核做差得到的，5*5的核得到的几乎全黑）

 7.黑帽

　　当然是进行闭运算后得到的图像与原图像的差。

　　# -*- coding:utf-8 -*-

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('7.png',0)
kernel = np.ones((9,9),np.uint8)
erosion = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)

cv2.imshow('img',img)
cv2.imshow('ero',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

 P.S  在OpenCV中还提供了一个函数cv2.getStructuringElement()。这个函数可以供你设计出其他形状的核

书上给的例子如下：