opencv_8_形态学操作

• 形态学，即数学形态学，是图像处理过程中一个非常重要的研究方向。形态学主要从图像内提取分量信息，该分量信息通常对于表达和描绘图像的形状具有重要意义，通常是图像理解时所使用的最本质的形状特征。例如：在识别手写数字时，能够通过形态学运算得到其骨架信息，在具体识别时，仅针对其骨架运算即可。形态学处理在视觉检测、文字识别、医学图像处理、图像压缩编码等领域有非常重要的应用。

• 形态学操作主要包含：

1. 腐蚀
2. 膨胀
3. 开运算
4. 闭运算
5. 形态学梯度运算
6. 顶帽运算（礼帽运算）
7. 黑帽运算

• 腐蚀操作和膨胀操作是形态运算的基础，将腐蚀和膨胀操作进行结合，就可以实现开运算、闭运算、形态学梯度运算、顶帽运算、黑帽运算、击中击不中等部同形式的运算。

腐蚀

• dst=cv2.erode(src, kernel, [,anchor[,iterations[,borderType[,borderValue]]]])
• 式中：
• dst：是腐蚀后所输出的目标图像，该图像和原始图像具有同样的类型和大小
• src：是需要进行腐蚀的原始图像，图像的通道数可以是任意的。
• kernel：代表腐蚀操作时所采用的结构类型。它可以自定义生成，也可以通过函数cv2.getStructuringElement()生成。
• anchor：代表element结构中锚点的位置。该值默认为（-1，-1），在核中心位置
• iterations：是腐蚀操作迭代的次数，默认为1。
• borderType：代表边界样式。
• borderValue：代表边界值。

import cv2
import numpy as np
from get_show_img import get_show

img = cv2.imread('data/fs.png')
kernel = np.ones((5,5), np.uint8)  
erosion=cv2.erode(img, kernel, iterations=5)  # iterations：表示腐蚀次数
get_show(img, erosion)

​

​

膨胀

• dst=cv2.dilate(src, kernel[,anchor[,iterations[,borderType[,borderValue]]]])
• 式中：
• dst：代表膨胀后所输出的目标图像，该图像和原始图像具有同样的类型和大小。
• src：代表需要进行膨胀操作的原始图像。
• element：代表膨胀操作所采用的结构类型。它可以自定义生成，也可以自定义生成，也可以通过函数cv2.getStructringElement()生成。

import cv2
import numpy as np
from get_show_img import get_show

img = cv2.imread('data/pz.jpg')
kernel = np.ones((5,5), np.uint8)  # 剪辑和
erosion=cv2.dilate(img, kernel, iterations=9)  # iterations：表示膨胀次数
get_show(img, erosion)

通用形态学函数

• dst=cv2.morphologyEx(src,op,kernel[,anchor[,iterations[,borderType[,borderValue]]]])
• dst：代表经过形态学操作所输出的图像
• src：代表需要进行形态学操作的原始图像。
• op：代表操作类型。
• op类型选择：
  

腐蚀

import cv2
import numpy as np

img = cv2.imread('data/fs.png')
kernel = np.ones([5,5], dtype=np.uint8)
rst = cv2.morphologyEx(img, cv2.MORPH_ERODE, kernel, iterations=2)
get_show(img, rst)

​

​

膨胀

import cv2
import numpy as np

img = cv2.imread('data/fs.png')
kernel = np.ones([5,5], dtype=np.uint8)
rst = cv2.morphologyEx(img, cv2.MORPH_DILATE, kernel, iterations=2)
get_show(img, rst)

​

​

开运算

• 先腐蚀再膨胀，可用于去噪、计数等。

import cv2
import numpy as np

img = cv2.imread('data/fs.png')
kernel = np.ones([5,5], dtype=np.uint8)
rst = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, iterations=2)
get_show(img, rst)

闭运算

• 先膨胀再腐蚀，有助于关闭前景物体内部的小孔，或去除物体上的小黑点，还可以将不同前景图像进行连接

import cv2
import numpy as np

img = cv2.imread('data/fs.png')
kernel = np.ones([5,5], dtype=np.uint8)
rst = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel, iterations=2)
get_show(img, rst)

形态学梯度运算

• 膨胀图减去腐蚀图，可以获取原始图像中前景图像的边缘

import cv2
import numpy as np

img = cv2.imread('data/fs.png')
kernel = np.ones([5,5], dtype=np.uint8)
rst = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
get_show(img, rst)

顶帽运算(礼帽运算)

• 原始图像减去开运算所得图像，能够获取图像的噪声信息

import cv2
import numpy as np

img = cv2.imread('data/fs.png')
kernel = np.ones([5,5], dtype=np.uint8)
rst = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
get_show(img, rst)

黑帽运算

• 闭运算所得图像减去原始图像

import cv2
import numpy as np

img = cv2.imread('data/fs.png')
kernel = np.ones([5,5], dtype=np.uint8)
rst = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel, iterations=5)
get_show(img, rst)

击中击不中

• 前景背景腐蚀运算的交集，仅支持CV_8UC1二进制图像

import cv2
import numpy as np

img = cv2.imread('data/fs.png', 0)
kernel = np.ones([5,5], dtype=np.uint8)
# rst = cv2.morphologyEx(img_8, cv2.MORPH_HITMISS, kernel)
rst = cv2.morphologyEx(img, cv2.MORPH_HITMISS, kernel, iterations=5)
get_show(img, rst)

核函数

使用cv2.getStructuringElement()生成不同结构的核

import cv2

矩形核

kernel1 = cv2.getStructuringElement(cv2.MORPH_RECT, (10, 10))

get_show(kernel1)

十字形核

kernel2 = cv2.getStructuringElement(cv2.MORPH_CROSS, (10, 10))

get_show(kernel2)

椭圆核

kernel3 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (1000, 1000))

get_show(kernel3)