OpenCV-Python学习笔记（十）：形态学图像处理：腐蚀、膨胀、开运算、闭运算、形态学梯度、顶帽、黑帽

目标
• 学习不同的形态学操作，例如腐蚀，膨胀，开运算，闭运算、形态学梯度、顶帽、黑帽
• 我们要学习的函数有：cv2.erode()， cv2.dilate()， cv2.morphologyEx()等
原理
形态学操作一般情况下对二值化图像进行的操作。需要输入两个参数，一个是原始图像，第二个被称为结构化元素或称为核，它是用来决定操作的性质的。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（erode）

腐蚀对于去除白噪声很有用，也可以用来断开两个连在一块的物体等。腐蚀对应的函数是：cv2.erode( )，代码示例：

import cv2
import numpy as np

img = cv2.imread('j.png', 0)

kernel = np.ones((5, 5), np.uint8)
erosion = cv2.erode(img, kernel, iterations=1)

cv2.erode(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)

anchor：指定结构元素（核）的原点，默认值（-1，-1）代表在结构元素的中心处；

iterations：使用腐蚀操作的次数。

 

2. 膨胀（dilate）

 一般在去噪声时先用腐蚀再用膨胀。因为腐蚀在去掉白噪声的同时，也会使前景对象变小。所以我们再对他进行膨胀。这时噪声已经被去除了，不会再回来了，但是前景还在并会增加。膨胀也可以用来连接两个分开的物体。

膨胀对应的函数是：cv2.dilate（）

dilation = cv2.dilate(img, kernel, iterations=1)

            

（上图从左到右依次是：原图、腐蚀、膨胀、开运算、闭运算）

 

3. 开运算

先进行腐蚀再进行膨胀就叫做开运算。它可以被用来去除噪声。这里用到的函数是

cv2.morphologyEx( src, op, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)。

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

参数op：表示采用哪种类型的形态学处理

 

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（ Morphological Gradient）

其实就是一幅图像膨胀与腐蚀的差。结果看上去就像前景物体的轮廓。（It is the difference between dilation and erosion of an image.The result will look like the outline of the object.）

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

          

（上图从左到右依次是：形态学梯度、顶帽、黑帽）

 

 6. 顶帽（Top Hat）

原始图像与进行开运算之后得到的图像的差。示例是用一个 9x9 的核进行顶帽操作的结果。

tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

 

7. 黑帽（Black Hat）

进行闭运算之后得到的图像与原始图像的差。

blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

8. 形态学操作之间的关系

形态学操作之间的关系

Opening	dst = open（src, element）= dilate（erode（src, element）, element）
Closing	dst = close（src, element）= erode（dilate（src，element），element）
Morphological Gradient	dst = morph_grad(src, element) =  dilate(src,element) – erode(src, element)
Top Hat	TopHat(src) = src – open(src, element)
Black Hat	BlackHat(src) = close(src, element) – src

9. 结构化元素

在前面的例子中我们使用 Numpy 构建了结构化元素，它是正方形的。但有时我们需要构建一个椭圆形/圆形的核。为了实现这种要求，提供了 OpenCV函数 cv2.getStructuringElement( )。你只需要告诉他你需要的核的形状和大小。如下：

# Rectangular Kernel  方形核
>> > cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
array([[1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1]], dtype=uint8)

# Elliptical Kernel  椭圆形核
>> > cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
array([[0, 0, 1, 0, 0],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [0, 0, 1, 0, 0]], dtype=uint8)

# Cross-shaped Kernel  十字形核
>> > cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 5))
array([[0, 0, 1, 0, 0],
       [0, 0, 1, 0, 0],
       [1, 1, 1, 1, 1],
       [0, 0, 1, 0, 0],
       [0, 0, 1, 0, 0]], dtype=uint8)

 

更多形态学内容，点击访问：Morphological Operations at HIPR2
 

参考资料：

1.   OpenCV-Python官方文档

2. 《OpenCV-Python 中文教程》（段力辉 译）