OpenCV（实战）二值图颜色填充（彩色图形、硬币）

目录

一、彩色图形填充

1、初始效果展示

2、试错过程：

1、试错1：锐化显示所有图片

2、试错2：用礼帽提取出明亮部分

3、正确方式：直接对图片亮度增强（不用形态学处理）

总代码

二、硬币填充

1、初始效果展示

2、试错

1、如果对它进行亮度增强

2、对它进行亮度减小

3、分析原图

4、黑帽处理

1、椭圆形卷积核

2、矩形卷积核

5、设置合适的阈值，得到二值图

1、127阈值

2、30阈值 

总代码

---

一、彩色图形填充

1、初始效果展示

# 转二值图
def ToBinary():
    global gray, binary

    # 1、灰度图
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    cv.imshow('imgray', gray)

    # 2、二进制图像
    ret, binary = cv.threshold(gray, 127, 255, 0)
    cv.imshow('binary', binary)

 可以发现有些图形明显颜色不达标，甚至根本就没有显示。我们需要把所有图片轮廓锐化。

2、试错过程：

1、试错1：锐化显示所有图片

在灰度化之前，先进行锐化：

# 1、锐化
    kernel = np.array([
        [4, 4, 4],
        [4, -32, 4],
        [4, 4, 4]
    ])
    sharp = cv.filter2D(img, -1, kernel)
    cv.imshow('sharp', sharp)

图像处理被锐化的同时，噪声也被锐化，不可取。

2、试错2：用礼帽提取出明亮部分

# 礼帽
    tophat = cv.morphologyEx(img, cv.MORPH_TOPHAT, (3,3), iterations=10)
    cv.imshow('tophat', tophat)

礼帽（顶帽）处理效果如下： 

 可以看出，还是没有达到预期的效果。

同时，发现顶帽和底帽（礼帽和黑帽）确实名副其实，在这里，一个提取顶，一个提取底。（^_^）看看黑帽（底帽）效果吧：

3、正确方式：直接对图片亮度增强（不用形态学处理）

 直接增强图片的亮度：

# 1、亮度增强
    bright = cv.convertScaleAbs(img, None, 1.5, 30)
    cv.imshow('bright', bright)

 很好，达到了想要的效果。

所以有的时候思维不要局限，有时候简单的方法反而能更好的达到目标。

总代码

# 二值图内部填充
import cv2 as cv
import numpy as np


# 转二值图
def ToBinary():
    global gray, binary

    # 1、亮度增强
    bright = cv.convertScaleAbs(img, None, 1.5, 30)
    cv.imshow('bright', bright)

    # 2、灰度化
    gray = cv.cvtColor(bright, cv.COLOR_BGR2GRAY)
    cv.imshow('gray', gray)

    # 3、二进制图像
    ret, binary = cv.threshold(gray, 127, 255, 0)
    cv.imshow('binary', binary)


if __name__ == '__main__':
    img = cv.imread('Resource/test7.jpg')
    cv.imshow('img', img)

    ToBinary()      #转二进制图像

    cv.waitKey(0)

二、硬币填充

1、初始效果展示

硬币直接转二值图效果：

可以看出：

1、右边的圈圈还是有一些瑕疵；

2、左边残留部分黑色区域。

2、试错

1、如果对它进行亮度增强

 可以看出来，亮度增强明显是行不通的。

2、对它进行亮度减小

虽然能够填补空缺，但是它也被背景的黑色侵蚀的差不多了。 

3、分析原图

感觉这张图像缺的不是亮度，个人感觉是暗度不均匀，因为右边图像出了问题，它和其他图像最大的区别就是过亮了。我们需要对其暗化。除了亮度变化，还有形态学能控制亮度：礼帽/黑帽。

4、黑帽处理

 为了得到较暗的区域，我们需要对它进行黑帽处理。这里用矩形卷积核效果最好。

但默认是椭圆形，所以需要修改一下：

# 设置卷积核：矩形（默认椭圆形）
    kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (31, 31))

 （卷积核默认椭圆形）

# 2、黑帽
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (31, 31))
    blackhat = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, kernel, iterations=1)
    cv.imshow('blackhat', blackhat)

（一开始不知道，就是设置的默认椭圆形，改来改去没效果）

对比一下效果：

1、椭圆形卷积核

blackhat = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, (31,31), iterations=1)

2、矩形卷积核

# 设置卷积核：矩形（默认椭圆形）
    kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (31, 31))
    blackhat = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, kernel, iterations=1)

5、设置合适的阈值，得到二值图

# 3、得到二进制图像（要设置好合适的阈值）
    ret, binary = cv.threshold(blackhat, 30, 255, 0)
    cv.imshow('binary', binary)

别思维固化了，二值图的阈值不一定必须得是127，为了得到目标，可以设置为其它阈值。（比如这里设置为30最佳）

对比一下效果：

1、127阈值

可以看到，什么都没有

2、30阈值 

总代码

# 二值图内部填充（图形和硬币）
import cv2 as cv
import numpy as np


# 转二值图（图形）
def Figure_ToBinary():
    img = cv.imread('Resource/test7.jpg')
    cv.imshow('img', img)

    # 1、亮度增强
    bright = cv.convertScaleAbs(img, None, 1.5, 30)
    cv.imshow('bright', bright)

    # 2、灰度化
    gray = cv.cvtColor(bright, cv.COLOR_BGR2GRAY)
    cv.imshow('gray', gray)

    # 3、二进制图像
    ret, binary = cv.threshold(gray, 127, 255, 0)
    cv.imshow('binary', binary)


#转二值图像（硬币）
def Coin_ToBinary():
    img = cv.imread('Resource/test9.jpg')
    cv.imshow('img', img)

    # 1、灰度化
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    cv.imshow('gray', gray)

    # 2、黑帽
    # 设置卷积核：矩形（默认椭圆形）
    kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (31, 31))
    blackhat = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, kernel, iterations=1)
    cv.imshow('blackhat', blackhat)

    # 3、得到二进制图像（要设置好合适的阈值）
    ret, binary = cv.threshold(blackhat, 30, 255, 0)
    cv.imshow('binary', binary)


if __name__ == '__main__':
    Figure_ToBinary()      #转二值图像（图形）

    Coin_ToBinary()        #转二值图像（硬币）

    cv.waitKey(0)