OpenCV（七）形态学操作2--开运算与闭运算

目录

概述：

morphologyEX()函数

一、开运算（分开）

1、基础理论

1、作用：

2、代码

3、效果

二、闭运算（封闭）

1、基础理论

1、作用

2、过程

2、代码

3、效果

总代码

参考资料：

---

概述：

运算类型	操作	目的
开运算	先腐蚀再膨胀	可在纤细点出分离物体。有助于消除噪音
闭运算	先膨胀后腐蚀	用于排除前景对象中的小孔或对象上的小黑点
形态学梯度	膨胀图与腐蚀图之差	用于保留目标物体的边缘轮廓
顶帽	原图与开运算图之差	分离比邻近点亮的斑块，用于突出原图像中比周围亮的区域
黑帽	闭运算图-原图像	分离比邻近点暗的斑块，突出原图像中比周围暗的区域

形态学处理往往是在阈值处理之后才进行的，因为当图像被转化为二值图以后，这个时候只有黑白两者颜色，然后再进行形态学处理是效果最好的。

morphologyEX()函数

morphologyEx(Mat src, Mat dst, int op, Mat kernel, Point anchor, int iterations, int borderType, Scalar borderValue)

参数介绍：

第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像位深应该为以下五种之一：CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F。
第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。
第三个参数，int类型的op，表示形态学运算的类型，可以是如下之一的标识符：  

enum MorphTypes{
    MORPH_ERODE    = 0, //腐蚀
    MORPH_DILATE   = 1, //膨胀
    MORPH_OPEN     = 2, //开操作
    MORPH_CLOSE    = 3, //闭操作
    MORPH_GRADIENT = 4, //梯度操作
    MORPH_TOPHAT   = 5, //顶帽操作
    MORPH_BLACKHAT = 6, //黑帽操作
    MORPH_HITMISS  = 7  
};

第四个参数，InputArray类型的kernel，形态学运算的内核。

一、开运算（分开）

1、基础理论

1、作用：

1、分离物体，消除小区域。

2、消除噪点，消除小干扰块，而不影响原来的图像。

2、过程：

先腐蚀运算，再膨胀运算（看上去把细微连在一起的两块目标分开了）

 （1）腐蚀

 （2）膨胀

2、代码

C++：

//开运算
void Open()
{
	Mat kernel = getStructuringElement(MORPH_RECT, Size(11, 11));  //创建结构元
	//								  矩形卷积核		尺寸为(19, 19)宽高
	morphologyEx(img, dst, MORPH_OPEN, kernel, Point(-1, -1));     // 形态学处理--开运算
	//			原图  新图  开运算		卷积核  锚点				  
	imshow("新图", dst);               // 显示形态学处理后的效果
}

python：

# 开运算（先腐后膨）
def Open():
    open = cv2.morphologyEx(img, cv2.MORPH_OPEN, (7, 7), iterations=5)
    #                            类型             卷积核大小    迭代次数
    cv2.imshow('open', open)

3、效果

 

二、闭运算（封闭）

1、基础理论

1、作用

消除闭合区域内的空洞，填充闭合区域。

2、过程

先膨胀运算，再腐蚀运算（看上去将两个细微连接的图块封闭在一起）

（1）膨胀

 （2）腐蚀

2、代码

C++：

//闭运算
void Close()
{
	Mat kernel = getStructuringElement(MORPH_RECT, Size(19, 19));  //创建结构元
	//								  矩形卷积核		尺寸为(19, 19)宽高
	morphologyEx(img, dst, MORPH_CLOSE, kernel, Point(-1, -1));     // 形态学处理--开运算
	//			原图  新图  闭运算		卷积核  锚点				  
	imshow("闭运算", dst);               // 显示形态学处理后的效果
}

python：

# 闭运算（先膨后腐）
def Close():
    close = cv2.morphologyEx(img, cv2.MORPH_CLOSE, (7, 7), iterations=5)
    #                            类型             卷积核大小    迭代次数
    cv2.imshow('close', close)

3、效果

 

 

                                                        

总代码

C++：

//开运算与闭运算（形态学）
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

Mat img, dst;

//图像初始化
void Image_Init()
{
	img = imread("Resource/test5.jpg");
	dst = Mat::zeros(img.size(), img.type());

	if (img.empty())
	{
		printf("图像加载失败");
		exit(0);
	}
}

//开运算
void Open()
{
	Mat kernel = getStructuringElement(MORPH_RECT, Size(19, 19));  //创建结构元
	//															矩形卷积核		尺寸为(11,11)宽高
	morphologyEx(img, dst, MORPH_OPEN, kernel, Point(-1, -1));     // 形态学处理--开运算
	//						原图  新图  开运算				 卷积核  锚点				  
	imshow("开运算", dst);               // 显示形态学处理后的效果
}

//闭运算
void Close()
{
	Mat kernel = getStructuringElement(MORPH_RECT, Size(19, 19));  //创建结构元
	//															矩形卷积核		尺寸为(11,11)宽高
	morphologyEx(img, dst, MORPH_CLOSE, kernel, Point(-1, -1));     // 形态学处理--开运算
	//						原图  新图  闭运算				 卷积核  锚点				  
	imshow("闭运算", dst);               // 显示形态学处理后的效果
}


//显示图像
void Show()
{
	imshow("原图", img);
}

int main()
{
	Image_Init();								//图像初始化

	Open();										//开运算

	Close();									//闭运算

	Show();										//显示原图像


	waitKey(0);

	return 0;
}

python：

# 形态学（膨胀、腐蚀、开闭运算、顶帽与底帽）
import cv2

# 膨胀
def Dilate():
    # 膨胀
    dilate = cv2.dilate(img, kernel=(7, 7), iterations=1)
    #                        卷积核大小      迭代次数
    cv2.imshow("dilate", dilate)


# 腐蚀
def Enrode():
    # 腐蚀
    erode = cv2.erode(img, kernel=(7, 7), iterations=5)
    #                        卷积核大小      迭代次数
    cv2.imshow("erode", erode)


# 开运算（先腐后膨）
def Open():
    open = cv2.morphologyEx(img, cv2.MORPH_OPEN, (7, 7), iterations=5)
    #                            类型             卷积核大小    迭代次数
    cv2.imshow('open', open)


# 闭运算（先膨后腐）
def Close():
    close = cv2.morphologyEx(img, cv2.MORPH_CLOSE, (7, 7), iterations=5)
    #                            类型             卷积核大小    迭代次数
    cv2.imshow('close', close)


# 顶帽（原-开）
def TopHat():
    tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, (7, 7), iterations=5)
#                                   类型              卷积核   迭代次数
    cv2.imshow('TopHat', tophat)


# 底帽（原-闭）
def BlackHat():
    blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT,  (7, 7), iterations=5)
#                                    类型                  卷积核   迭代次数
    cv2.imshow('BlackHat', blackhat)


if __name__ == '__main__':
    # 读取图片
    img = cv2.imread("Resource/test5.jpg")
    cv2.imshow("img", img)

    Dilate()        #膨胀

    Enrode()        #腐蚀

    Open()          #开运算

    Close()         #闭运算

    TopHat()        #顶帽运算

    BlackHat()      #底帽运算

    cv2.waitKey(0)

参考资料：

https://blog.csdn.net/dujuancao11/article/details/109339686?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162855777116780271518767%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=162855777116780271518767&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_v2~rank_v29-17-109339686.pc_search_result_control_group&utm_term=%E5%BD%A2%E6%80%81%E5%AD%A6%E5%BC%80%E9%97%AD%E8%BF%90%E7%AE%97&spm=1018.2226.3001.4187

https://blog.csdn.net/weixin_41695564/article/details/79935028 

https://www.jianshu.com/p/ee72f5215e07