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)