OpenCV-形态学转换

目标

• 膨胀、腐蚀、开运算闭运算等形态学操作

腐蚀

卷积核沿着图像滑动，如果与卷积核对应的原图的像素都是1，则中心元素保持原来的值，否则就变为0
(只要有0，中心就变0）
因此这个操作会使原图的白色减少（边缘部分都变成了0）

import cv2
import numpy as np
img = cv2.imread('a.JPEG')
# 构造5x5的卷积核
kernel = np.ones((5, 5), np.uint8)
erosion = cv2.erode(img, kernel, iterations = 1)
cv2.imshow('erosion', erosion)
cv2.waitKey(0)

膨胀

与腐蚀相反，与卷积核对应的原图的像素只要有一个是1，则中心像素值就是1.
这个操作会增加图像的白色部分

dilation = cv2.dilate(img, kernel, iterations = 1)

开运算

先进行腐蚀在进行膨胀就叫做开运算，用于去除噪声

# 可以使用腐蚀和膨胀两次运算
# 也可以直接使用cv2.morphologyEx（）
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

闭运算

先进性膨胀在进行腐蚀叫做闭运算，用于去除前景物体上的小黑点

closing = cv2.morphologyEx(img, cv2.MORPG_CLOSE, kernel)

形态学梯度

就是膨胀和腐蚀图像的区别，看上去就像前景物体的轮廓

gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

礼帽

原始图像与进行开运算之后的图像的差

tophat = cv2.morphlogyEx(img, cv2.MORPH_TOPHAT, kernel)

黑帽

进行闭运算之后与原始图像的差

blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)