开运算基本原理
图像开运算是图像依次经过腐蚀、膨胀处理后的过程。图像被腐蚀后,去除了噪声,但是也压缩了图像;接着对腐蚀过的图像进行膨胀处理,可以去除噪声,并保留原有图像。
开运算实际是先腐蚀运算,再膨胀运算,把看上去把细微连在一起的两块目标分开了。
一般来说,开运算可以使图像的轮廓变得光滑,还能使狭窄的连接断开和消除细毛刺。开运算在过滤噪声的同时并没有对物体的形状、轮廓造成明显的影响,这是一大优势。当只关心物体的位置或者个数时,物体形状的改变不会给任务带来困扰,此时用开运算处理具有处理速度上的优势。
闭运算基本原理
闭运算是开运算的相反操作,先膨胀运算,再腐蚀运算,处理后的图片看上去将两个细微连接的图块连接在一起。
闭运算同样可以使得图像变得光滑,并且能够填平图像中的凹陷(即小孔),弥合小裂缝,而图像中目标的位置和形状可以保持不变。因此在图像去噪中,闭运算也是常用操作。
自适应二值化+开运算
def methodA(oriImg):
dstImg = cv2.cvtColor(oriImg,cv2.COLOR_BGR2GRAY)
dstImg = cv2.adaptiveThreshold(dstImg,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,15,10)
kernel = cv2.getStructuringElement(shape=cv2.MORPH_RECT, ksize=(3, 3))
# 首先进行腐蚀操作
dstImg = cv2.erode(src=dstImg, kernel=kernel, iterations=2)
# 再进行膨胀操作
dstImg = cv2.dilate(src=dstImg, kernel=kernel, iterations=4)
dstImg = cv2.erode(src=dstImg, kernel=kernel, iterations=2)
dstImg = cv2.cvtColor(dstImg,cv2.COLOR_GRAY2BGR)
return dstImg