CV11 形态学转换（侵蚀、扩张、开运算/顶帽、闭运算/黑帽和形态学梯度）

知识体系

侵蚀

侵蚀的思想就像土壤侵蚀一样，它侵蚀前景物体的边界(尽量使前景保持白色)

原理：卷积核通过在图像中不断滑动，原始图像中的一个像素（无论是1还是0），只有当内核下所有的像素都是1时才被认为是1，否则它就会被侵蚀。

效果：根据内核的大小，边界上的像素都会被丢弃，边界会不断被腐蚀

import cv2
import numpy as np

img = cv2.imread("8.png")
kernel = np.ones((5,5),np.uint8)

#侵蚀函数
erosion = cv2.erode(img,kernel,iterations=3)

cv2.imshow("img",erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

扩张

它与侵蚀正好相反。如果内核下的至少一个像素为“ 1”，则像素元素为“ 1”。因此，它会增加图像中的白色区域或增加前景对象的大小。通常，在消除噪音的情况下，腐蚀后会膨胀。因为腐蚀会消除白噪声，但也会缩小物体。因此，我们对其进行了扩展。由于噪音消失了，它们不会回来，但是我们的目标区域增加了。在连接对象的损坏部分时也很有用。

替换erosion = cv2.erode(img,kernel,iterations=3)函数即可

# 扩张函数
dilation = cv2.dilate(img,kernel,iterations=1)

cv2.erode()/cv2.dilate()函数

功能：侵蚀/扩张

输入参数：

1. 图像名img
2. 卷积核
3. 腐蚀或扩张程度

‘修改卷积核大小和改变侵蚀/扩张程度效果相似，不过iterations的效果更优越

侵蚀核扩张的效果对比

形态学梯度

突出轮廓

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

效果如下：

开运算

开运算，即先侵蚀，再扩张，有利于消除外部噪点

# 开运算
opening = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)

morphologyEx（）函数

功能：开运算/顶帽、闭运算/黑帽

输入参数：

1. 图像名img
2. 开运算（cv2.MORPH_OPEN）/顶帽（cv2.MORPH_TOPHAT）、闭运算（cv2.MORPH_CLOSE）/黑帽（cv2.MORPH_BLACKHAT）
3. 卷积核

顶帽

顶帽，即输入图像-开运算

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

闭运算

闭运算，即先扩张，再侵蚀，有利于消除内部噪点

# 闭运算
closing = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)

黑帽

黑帽，即输入图像-闭运算

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

运算效果

效果相当明显了

代码程序

import cv2
import numpy as np

img = cv2.imread("8.png")
kernel = np.ones((5,5),np.uint8)

#侵蚀函数
erosion = cv2.erode(img,kernel,iterations=3)

# 扩张函数
# dilation = cv2.dilate(img,kernel,iterations=1)

# 开运算
# opening = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)

# 闭运算
# closing = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)

# 形态学梯度
# gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

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

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

cv2.imshow("img",erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()