Morphological Transformations

目标

在这一章当中，

• 我们将学习不同的形态学操作，如腐蚀、膨胀、开、闭(Erosion, Dilation, Opening, Closing )等。
• 我们将看到不同的函数，例如：cv.erode()、cv.dilate()、cv.morphologyEx() 等。

理论

形态变换是基于图像形状的一些简单操作。 它通常在二进制图像上执行。 它需要两个输入，一个是我们的原始图像，第二个称为结构元素或内核，它决定了操作的性质。 两个基本的形态算子是侵蚀和膨胀。 然后它的变体形式，如Opening，Closing，Gradient等也开始发挥作用。 我们将在下图的帮助下一一看到它们：

1.侵蚀

侵蚀的基本思想就像土壤侵蚀一样，它侵蚀了前景物体的边界（总是尽量保持前景为白色）。 那么它有什么作用呢？ 内核在图像中滑动（如在 2D 卷积中）。 只有当内核下的所有像素都为1时，原始图像中的一个像素（1或0）才会被认为是1，否则它会被侵蚀（变为0）。

所以发生的事情是，边界附近的所有像素都将根据内核的大小被丢弃。 因此，前景物体的厚度或大小会减小，或者只是图像中的白色区域减小。 它对于去除小的白噪声（正如我们在色彩空间章节中所见）、分离两个连接的对象等很有用。

在这里，作为一个例子，我会使用一个 5x5 的内核，里面装满了内核。 让我们看看它是如何工作的：

import cv2 as cv
import numpy as np
img = cv.imread('j.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv.erode(img,kernel,iterations = 1)

 2. 扩张

        它与侵蚀正好相反。 这里，如果内核下的至少一个像素为“1”，则像素元素为“1”。 因此它增加了图像中的白色区域或前景对象的大小增加。 通常，在去除噪声等情况下，腐蚀之后是膨胀。 因为，侵蚀消除了白噪声，但它也缩小了我们的对象。 所以我们扩张它。 由于噪音消失了，它们不会回来，但我们的对象面积增加了。 它也可用于连接对象的损坏部分。

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

 3. 开幕 opening

       打开只是腐蚀后膨胀的另一个名称。 正如我们上面解释的那样，它在消除噪音方面很有用。 这里我们使用函数 cv.morphologyEx()

opening = cv.morphologyEx(img, cv.MORPH_OPEN, kernel)

4. 结束 Closing 

        关闭与打开相反，膨胀后腐蚀。 它可用于关闭前景对象内部的小孔或对象上的小黑点。

closing = cv.morphologyEx(img, cv.MORPH_CLOSE, kernel)

5. 形态梯度

        这是图像膨胀和腐蚀之间的区别。结果将看起来像对象的轮廓。

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

 

 6. 礼帽 top hat 

        它是输入图像和图像打开之间的差异( difference between input image and Opening of the image. )。 下面的示例是针对 9x9 内核完成的。

tophat = cv.morphologyEx(img, cv.MORPH_TOPHAT, kernel)

7. Black Hat

        It is the difference between the closing of the input image and input image

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