OpenCV形态学转换

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

两个参数，一个原始图像，一个结构化元素或核，用来决定操作的性质

 

1  腐蚀

会把前景物体的边界腐蚀掉

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，否则变为0.

对于去除白噪声很有用，也可以用来断开两个连在一块的物体

Img = cv2.imread(‘j.png’, 0)

Kernel = np.ones((5, 5), np.uint8)

Erosion = cv2.erode(img, kernel, iterations=1)

 

 

 

2  膨胀

理解：与卷积核对应的原图像的像素值中只要有一个是1，中心元素的像素值就是1。会增加前景。

一般在去噪时先用腐蚀再用膨胀。膨胀可以用来连接两个分开的物体。

 

膨胀是以集合运算为基础，而卷积是以算术运算为基础。两者基本过程是相似的。

把反射之后的集合B在z中遍历。

 

形态学方法优于低通滤波方法的一个直接优点就是，这种方法在一幅二值图像中直接得到结果。而低通滤波方法从二值图像开始生成一幅灰度图像，这幅灰度图像需要用门限函数进行处理才能转变回二值图像。

 

3  开操作

一般使对象的轮廓变得光滑，断开狭窄的间断和消除细的突出物。

先进行腐蚀再进行膨胀就叫做开运算

用cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

 

4  闭操作

同样使轮廓线更为光滑，消弭狭窄的间断和长细的鸿沟，消除小的孔洞，并填补轮廓线中的断裂。

先膨胀再腐蚀。用来填充前景物体中的小洞，或前景上的小黑点。

 

 

 

5  形态学梯度

就是一幅图像膨胀与腐蚀的差别，结果看上去就像前景物体的轮廓。

Cv2.morphologyEx(img, cv2.MORPH_GRANIENT, kernel)

 

6  礼帽

原始图像与进行开运算之后得到的图像差

 

7  黑帽

原始图像与进行闭运算之后得到的图像差