形态学处理

形态学处理

腐蚀，膨胀

腐蚀

效果就是暗的地方侵入亮的地方
使用：
给一个结构元（二维数组），结构元中有一个锚点，计算过程就是如果结构元对应的区域有暗的，那锚点就变为暗的
记作：

import cv2 as cv
import numpy as np
s=cv.getStructuringElement(cv.MORPH_RECT,(3,3))#获得核，比较大时用这个，小的话自己画也行。参数：形状，尺寸
src=cv.imread(r'C:\Users\19583\Desktop\3.jpg',cv.IMREAD_GRAYSCALE)
src=cv.resize(src,(500,500))
dst=cv.erode(src,s,iterations=1)#腐蚀函数，参数：图，核,腐蚀次数
cv.imshow('src',src)
cv.imshow('dst1',dst)
cv.waitKey(0)

另外，当腐蚀次数增加，和大小增加，块会越来越接近核的形状（好像也没什么用）

膨胀

与上面相反
记作圈中间一个加号（腐蚀是减号）
直接给代码：

python

import cv2 as cv
import numpy as np
s=cv.getStructuringElement(cv.MORPH_RECT,(3,3))#获得核，比较大时用这个，小的话自己画也行。参数：形状，尺寸
src=cv.imread(r'C:\Users\19583\Desktop\3.jpg',cv.IMREAD_GRAYSCALE)
src=cv.resize(src,(500,500))
dst=cv.dilate(src,s,iterations=1)#腐蚀函数，参数：图，核,腐蚀次数
cv.imshow('src',src)
cv.imshow('dst1',dst)
cv.waitKey(0)

开运算与闭运算

基于腐蚀与膨胀

这个直接用开闭运算就可以实现，opencv给了现成的函数：

import cv2 as cv
import numpy as np
src=cv.imread(r'C:\Users\19583\Desktop\3.jpg',cv.IMREAD_GRAYSCALE)
src=cv.resize(src,(500,500))
a=np.array([[1,1,1],[1,1,1],[1,1,1]],dtype=np.float32)
dst1=cv.morphologyEx(src,cv.MORPH_OPEN,a,iterations=1)#图，模式，核，次数
dst2=cv.morphologyEx(src,cv.MORPH_CLOSE,a,iterations=1)
cv.imshow('src',src)
cv.imshow('dst1',dst1)
cv.imshow('dst2',dst2)
cv.waitKey(0)

其他形态学操作

这些在morphologyEx中都有

import cv2 as cv
import numpy as np
src=cv.imread(r'C:\Users\19583\Desktop\3.jpg',cv.IMREAD_GRAYSCALE)
src=cv.resize(src,(500,500))
a=np.array([[1,1,1],[1,1,1],[1,1,1]],dtype=np.float32)
dst1=cv.morphologyEx(src,cv.MORPH_BLACKHAT,a,iterations=1)#地貌
dst2=cv.morphologyEx(src,cv.MORPH_TOPHAT,a,iterations=1)#顶帽
dst3=cv.morphologyEx(src,cv.MORPH_GRADIENT,a,iterations=1)#形态学梯度
cv.imshow('src',src)
cv.imshow('dst1',dst1)
cv.imshow('dst2',dst2)
cv.imshow('dst3',dst3)
cv.waitKey(0)