opencv python 图像形态学操做/图像腐蚀/图像膨胀/开运算/闭运算/顶帽/黑帽

Morphological Transformations

1图像腐蚀

腐蚀的基本思想：侵蚀前景物体的边界（老是试图保持前景为白色）；内核在图像中滑动（如在2D卷积中）.只有当内核下的全部像素都是1时，原始图像中的像素（1或0）才会被认为是1，不然它会被侵蚀（变为零）.

边界附近的全部像素都将被丢弃，具体取决于内核的大小.所以，前景对象的厚度或大小减少，或者图像中的白色区域减少.
它有助于消除小的白噪声，分离两个链接的对象
原图：

代码：

import cv2
import numpy as np

img = cv2.imread('img7.png',0)

kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)

cv2.imshow('src',img)
cv2.imshow('show',erosion)
cv2.waitKey()

效果图：

2膨胀

它刚好与侵蚀相反。 这里，若是内核下的至少一个像素为“1”，则像素元素为“1”. 所以它增长了图像中的白色区域或前景对象的大小增长.
一般，在去除噪音的状况下，腐蚀以后是膨胀.由于，侵蚀会消除白噪声，但它也会缩小咱们的物体，因此咱们膨胀它，因为噪音消失了，它们不会再回来，则咱们的物体区域会增长。 它也可用于链接对象的破碎部分.

代码：

import cv2
import numpy as np

img = cv2.imread('img7.png',0)

kernel = np.ones((5,5),np.uint8)
dilation = cv2.dilate(img,kernel,iterations = 1)

cv2.imshow('src',img)
cv2.imshow('show',dilation)
cv2.waitKey()

3开运算

cv2.morphologyEx() ：先腐蚀再膨胀，有助于消除噪音.
代码：

import cv2
import numpy as np
import matplotlib.pylab  as plt

img = cv2.imread('img8.png',0)

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

cv2.imshow('src',img)
cv2.imshow('show',opening)
cv2.waitKey()

4闭运算

先膨胀后腐蚀，用于消除前景对象内的小孔或对象上的小黑点.
代码：

import cv2
import numpy as np

img = cv2.imread('img9.png',0)

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

cv2.imshow('src',img)
cv2.imshow('show',closing)
cv2.waitKey()

5形态学梯度

图像的膨胀和腐蚀之间的差别，结果看起来像目标的轮廓
代码：

import cv2
import numpy as np

img = cv2.imread('img7.png',0)

kernel = np.ones((5,5),np.uint8)
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)


cv2.imshow('src',img)
cv2.imshow('show',gradient)
cv2.waitKey()

6顶帽（Top Hat）

原图像与开运算图的区别，突出原图像中比周围亮的区域
代码：

import cv2
import numpy as np

img = cv2.imread('img7.png',0)

kernel = np.ones((5,5),np.uint8)
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)


cv2.imshow('src',img)
cv2.imshow('show',tophat)
cv2.waitKey()

7黑帽(Black Hat)

闭运算图 - 原图像,突出原图像中比周围暗的区域
代码：

import cv2
import numpy as np

img = cv2.imread('img7.png',0)

kernel = np.ones((5,5),np.uint8)
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

cv2.imshow('src',img)
cv2.imshow('show',blackhat)
cv2.waitKey()

结构元素

咱们在Numpy的帮助下建立了前面示例中的矩形结构元素. 但在某些状况下，可能须要椭圆/圆形内核。 因此为此，OpenCV有一个函数cv2.getStructuringElement（）. 只需传递内核的形状和大小，便可得到所需的内核.
代码：

# Rectangular Kernel
cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))

Out[4]: 
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)
       
# Elliptical Kernel
cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
Out[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)
       
# Cross-shaped Kernel
cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
Out[6]: 
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)