OpenCV学习笔记12-形态学转换

形态学操作：根据图像形状进行的简单操作。

• 一般情况下针对二值化图像操作。
• 两个基本的形态学操作是腐蚀和膨胀。他们的变体构成了开运算，闭运算，梯度等。

1.腐蚀

原理：卷积核沿着图像滑动，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，否则就变为零。

效果：前景物体会变小，整幅图像的白色区域会减少。

用途：去除白噪声；断开两个连在一块的物体等。

cv2.erode(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst

---

import numpy as np
import cv2

img = cv2.imread('2.png', 0)
kernel = np.ones((5,5), np.uint8)
erosion = cv2.erode(img, kernel, iterations=1)   #腐蚀

plt.subplot(121), plt.imshow(img), plt.title('Original')
plt.xticks([]), plt.yticks([])

plt.subplot(122), plt.imshow(erosion), plt.title('erosion')
plt.xticks([]), plt.yticks([])

plt.show()

---

---

2.膨胀

原理：与腐蚀相反，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。

效果：增加图像中的白色区域（前景）。

用途：可以用来连接两个分开的物体。

cv2.dilate(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) -> dst

---

import numpy as np
import cv2

img = cv2.imread('2.png', 0)
kernel = np.ones((5,5), np.uint8)
dilate = cv2.dilate(img, kernel, iterations=1)   #膨胀

cv2.imshow('img', img)
cv2.imshow('dilate', dilate)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

---

3.开运算

开运算：先腐蚀再膨胀。被用来去除噪声。

opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

---

---

4.闭运算

先膨胀再腐蚀。它经常被用来填充前景物体中的小洞，或者前景物体上的
小黑点。

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

---

---

5.形态学梯度

其实就是一幅图像膨胀与腐蚀的差别。看上去就像前景物体的轮廓。

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

---

---