1.膨胀与腐蚀
膨胀与腐蚀是图像形态学最基础的两个操作,形态学的其它操作都是基于这两个操作基础上得到的,图像形态学是二值图像分析的重要分支学科。在OpenCV中膨胀与腐蚀对应两个相关的API,膨胀可以看成是最大值滤波,即用最大值替换中心像素点;腐蚀可以看出是最小值滤波,即用最小值替换中心像素点。
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('./img/g.jpg', 0)
kernel = np.ones((15, 15), np.uint8)
erosion = cv2.erode(img, kernel)
dilate = cv2.dilate(img, kernel)
kernel1 = cv2.getStructuringElement(cv2.MORPH_CROSS, (15, 15))
dilate1 = cv2.dilate(img, kernel1)
plt.subplot(2, 2, 1)
plt.imshow(img, "gray")
plt.title("img")
plt.subplot(2, 2, 2)
plt.imshow(erosion, "gray")
plt.title("erosion")
plt.subplot(2, 2, 3)
plt.imshow(dilate, "gray")
plt.title("dilate")
plt.subplot(2, 2, 4)
plt.imshow(dilate1, "gray")
plt.title("dilate1")
plt.show()
腐蚀:erode(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)
膨胀:dilate(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)
- src:要入图像
- kernel:结构元素
- dst:输出图像
- anchor:中心位置锚定
- iterations:循环次数
- borderValue:边缘填充类型
getStructuringElement(shape, ksize, anchor=None)
- shape:结构元素的类型
- MORPH_ELLIPSE:椭圆(默认)
- MORPH_CROSS:十字
- MORPH_RECT:矩形
- ksize:结构元素的大小
- anchor:中心位置锚定
2.形态转化
img = cv2.imread('./img/g1.jpg', 0)
kernel = np.ones((5, 5), np.uint8)
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
cv2.imshow("opening", opening)
cv2.waitKey(0)
img = cv2.imread('./img/g2.jpg', 0)
kernel = np.ones((5, 5), np.uint8)
opening = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
cv2.imshow("opening", opening)
cv2.waitKey(0)
img = cv2.imread('./img/g.jpg', 0)
kernel = np.ones((5, 5), np.uint8)
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
cv2.imshow("gradient", gradient)
cv2.waitKey(0)
img = cv2.imread('./img/g.jpg', 0)
kernel = np.ones((3, 3), np.uint8)
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
cv2.imshow("tophat", tophat)
cv2.waitKey(0)
img = cv2.imread('./img/g.jpg', 0)
kernel = np.ones((3, 3), np.uint8)
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow("tophat", tophat)
cv2.waitKey(0)
morphologyEx(src, op, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)
- src:要入图像
- op:形态学操作
- 开操作(MORPH_OPEN):腐蚀 + 膨胀
开操作的作用:开操作可以删除二值图像中小的干扰块,降低图像二值化之后噪点过多的问题
- 闭操作(MORPH_CLOSE):膨胀 + 腐蚀
闭操作的作用:闭操作可以填充二值图像中孔洞区域,形成完整的闭合区域连通组件
- 梯度操作的作用:主要提取连通组件的轮廓或边框
梯度操作分为:基础梯度(MORPH_GRADIENT),内梯度(MORPH_ERODE),外梯度(MORPH_DILATE)
- 顶帽(MORPH_TOPHAT):原图 – 开操作
顶帽操作的作用:图像与开操作之间的差异,顶帽操作有时候对于我们提取图像中微小部分特别有用
- 黑帽操作 = 闭操作 – 原图
顶帽操作的作用:图像与闭操作之间的差异
- kernel:结构元素
- dst:输出图像
- anchor:中心位置锚定
- iterations:循环次数
- borderValue:边缘填充类型