读书笔记-opencv-形态学处理

读书笔记-opencv-形态学处理

常用的形态学处理包括：腐蚀，膨胀，开操作，闭操作，顶帽运算，底帽运算等，其中膨胀腐蚀为最基础的方法。

腐蚀

原理解析

图像的腐蚀是选取每个位置邻域中的最小值座位该位置的输出值。邻域可以是矩形结构，也可以是椭圆形结构，十字交叉结构，大多定义为结构元。

选取每个邻域的最小值，腐蚀后的图像亮度会降低，图像中较亮的区域面积会减小甚至消失。图像I，结构元S的腐蚀操作记为：
$$E=I⊝S$$
对图像进行腐蚀操作缩小了亮度区域的面积，随意针对阈值分割后前景是白色的二值图，可以通过$I-E$操作提取边界。

实现代码

对于图像腐蚀opencv提供函数：

erode(src, element[,dst[,iterations[,borderType[,borderValue]]]])
    //src			输入矩阵
    //element		结构元
    //anchor		结构元的锚点
    //iterations	迭代的次数
    //borderType	边界扩充类型
    //borderValue	边界扩充值

对于超出边界，需要扩充图像边界，镜像的方式最好。代表结构元参数element，opencv提供函数：

getStructuringElement(shape, ksize[,anchor])
    //shape			MORPH_RECT:产生矩形结构元
    //				MORPH_ELLIPSEM:产生椭圆结构元
    //				MORPH_CROSS:产生十字交叉结构元
    //ksize			结构元尺寸
    //anchor		结构元锚点

利用erode和getStrcturingElement函数进行腐蚀操作：

if __name__ =='__main__':
	#loading image
	image=cv2.imread("G:\\blog\\OpenCV_picture\\chapter6\\img7.jpg",cv2.IMREAD_GRAYSCALE)
	cv2.imshow("image",image)
	#Entropy threshold
	thresh,out=threshEntroy(image)

	#show thresh
	print(thresh)
	out=np.round(out)
	out.astype(np.uint8)

	#erode
	#create element
	element = cv2.getStructuringElement