OpenCV python 形态学操作 morphologyEx

OPENCV形态学

• 腐蚀（或侵蚀）
• 膨胀（或扩张）
• 开运算
• 闭运算
• 顶帽
• 黑帽
• 梯度图
• OpenCV API：CV2.morphologyEx

腐蚀

作用：
腐蚀是最基本的形态学操作之一，它能够将图像的边界点消除。
它通过使图像沿着边界向内收缩，达到消除边界点的目的。一般输入图像为二值图像。
腐蚀操作是将像素点与卷积核函数做与运算，只有全1时（或最小值）才保留这个像素点，否则则舍弃这个点。

语法格式

dst = cv2.erode(src, k, anchor, iterations, boderType, boderValue)

• src: 输入的原图像
• k: kernel代表腐蚀操作时所采用的结构类型，它可以自定义生成，也可以通过函数cv2.getStructuringElement()生成。
• anchor： anchor代表element结构中锚点的位置。该值默认为（-1，-1），在核的中心位置。
• iterations ： iteration是是腐蚀操作迭代的次数，该值默认为1，即进行一次腐蚀操作。
• boderType: 扩充边界的模式，缺省是NoneT，表示不进行边界扩充
• boderValue：边界值，一般使用默认值。当borderType=cv2.BORDER_CONSTANT时，扩充边界的元素以borderValue填充

膨胀

作用：
是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。可以用来填补物体中的空洞.

膨胀过程是有一个结构元素或者模板去在原图像素做滑动，中心像素位置的值根据其邻域取或运算，或运算为1，则为1，否则为0。（或最大值）

语法格式

dst = cv2.dilate(src,kernel,iterations, boderType, boderValue)

• src: 输入的原图像
• k: kernel代表腐蚀操作时所采用的结构类型，它可以自定义生成，也可以通过函数cv2.getStructuringElement()生成。
• anchor： anchor代表element结构中锚点的位置。该值默认为（-1，-1），在核的中心位置。
• iterations ： iteration是是腐蚀操作迭代的次数，该值默认为1，即进行一次腐蚀操作。
• boderType: 扩充边界的模式，缺省是NoneT，表示不进行边界扩充
• boderValue：边界值，一般使用默认值。当borderType=cv2.BORDER_CONSTANT时，扩充边界的元素以borderValue填充

自定义kernel、anchor、borderValue

kernel

kernel核矩阵可以通过getStructuringElement函数构建，也可以自己单独构建。

单独构建：

kernel = np.ones((ksize,ksize),np.uint8) 

getStructuringElement 构建
通过getStructuringElement构建时，可以传入两个参数，对应语法如下：

getStructuringElement(shape, ksize, anchor=None)

• 参数shape表示核的形状，有如下三个取值：

  1. cv2.MORPH_RECT：长方形或正方形矩阵，矩阵中每个元素都为1。如图为一个5*5的正方形矩阵：
     
  2. cv2.MORPH_CROSS：内置十字形矩阵，矩阵中和锚点同一列或同一行的每个元素都为1，其他元素都为0。下图为一个锚点为(2,3)的5*5内置十字形矩阵：
     
  3. cv2.MORPH_ELLIPSE：内接椭圆形矩阵，矩阵中为1的元素构成一个椭圆，为该矩阵对应长方形的内接椭圆。下图为一个5*5内接椭圆矩阵：
     

• 参数ksize：矩阵的大小，表示宽和高的二元组，（3,3）表示3行3列矩阵，(6,4)表示4行6列的核矩阵

• anchor：矩阵锚点，当shape为MORPH_CROSS时需要使用锚点的坐标

• 返回值：构造的矩阵

锚点anchor 位置对膨胀腐蚀的影响

腐蚀或膨胀的操作：用结构元素（kernel）的锚点位置对齐图像的像素点，然后逐个从左到右至上而下的滑动到每个像素。结构元素中为1的各个坐标格子会与相应的像素对齐。
腐蚀操作就是取其中的最小值，代替原素像素值
膨胀操作则就是取其中的最大值，用最大值代替原像素

锚点就是：位置对齐图像的像素点

borderType、borderValue

bordType取值含义

cv2.BORDER_WRAP：不能在腐蚀和膨胀函数中使用，官方文档有明确说明

部分内容引自

https://blog.csdn.net/weixin_43990954/article/details/102723240?ops_request_misc=&request_id=&biz_id=102&utm_term=python%20opencv%E8%85%90%E8%9A%80anchor&utm_medium=distribute.pc_search_result.none-task-blog-2_allsobaiduweb~default-1-102723240.142^v32down_rank,185^v2control&spm=1018.2226.3001.4187

原文中有实验与图解

开运算

原理作用
开运算是通过先对图像腐蚀再膨胀实现的。能够去除白色噪点，可以用来消除亮度较高的细小区域，在纤细处分离物体。

dst =cv2.dilate(cv2.erode(src,kernel),kernel)

闭运算

原理作用
开运算是通过先对图像膨胀再腐蚀实现的。能够去除黑色噪点，填充白色物体内细小黑色的空洞区域，也可以用来连接临近物体。

dst = cv2.erode(cv2.dilate(src,kernel),kernel)

梯度图

原理作用
能够保留物体的边缘轮廓

膨胀结果-腐蚀结果

经典示例：

顶帽

原理作用
其结果图像为开运算图与原图像的差
顶帽可以用来分离比邻近区域亮一些的线条或噪点
当一幅图像具有大幅的背景（如黑底）的时候，可以使用顶帽运算提取暗背景下的亮色点或线等物体。

原图

结果

黑帽

原理作用

其结果图像为闭运算图与原图像的差
因此黑帽运算可以用于提取亮背景中的细小暗物体。（去水印）

形态学函数 cv2.morphologyEx()

dst = morphologyEx(src, op, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)

Parameters:

• src – Source image
• dst – Destination image. It will have the same size and the same type as src element – Structuring element
• op –Type of morphological operation, one of the following:
  cv2.MORPH_ERODE 腐蚀
  cv2.MORPH_DILATE 膨胀
  cv2.MORPH_OPEN 开运算
  cv2.MORPH_CLOSE 闭运算
  cv2.MORPH_GRADIENT 形态学梯度
  cv2.MORPH_TOPHAT 顶帽
  cv2.MORPH_BLACKHAT 黑帽
  cv2.MORPH_HITMISS “hit or miss” . Only supported for CV_8UC1 binary images. A tutorial can be found in the documentation 击中击不中
• iterations – Number of times erosion and dilation are applied
• borderType – The pixel extrapolation method; see borderInterpolate()
• borderValue – The border value in case of a constant border. The default value has a special meaning