python数字图像处理笔记17 形态学

膨胀

效果：扩大图像中的物体

定义：设 A 为原始二值图像，B 是结构元素，则 A 被 B 膨胀定义为：

def Morphology_Dilate(img, Dil_time=1):
    H, W = img.shape

    # kernel
    MF = np.array(((0, 1, 0),
                   (1, 0, 1),
                   (0, 1, 0)), dtype=np.int)

    # each dilate time
    out = img.copy()
    for i in range(Dil_time):
        tmp = np.pad(out, (1, 1), 'edge')
        for y in range(1, H + 1):
            for x in range(1, W + 1):
                if np.sum(MF * tmp[y - 1:y + 2, x - 1:x + 2]) >= 255:
                    out[y - 1, x - 1] = 255

    return out

即，A 被 B 膨胀的结果是满足上式的所有位移 z 的点（前景像素点）的集合

腐蚀

效果：缩小图像中的物体

定义：设 A 为原始二值图像，B 是结构元素，则 A 被 B 腐蚀定义为：

即，将结构元素 B 相对于集合 A 进行平移, 只要平移后结构元素都包含在集合 A 中, 则这些位移Z 的点（前景像素点）的集合即为腐蚀结果。

def Morphology_Erode(img, Erode_time=1):
    H, W = img.shape
    out = img.copy()

    # kernel
    MF = np.array(((0, 1, 0),
                (1, 0, 1),
                (0, 1, 0)), dtype=np.int)

    # each erode
    for i in range(Erode_time):
        tmp = np.pad(out, (1, 1), 'edge')
        # erode
        for y in range(1, H+1):
            for x in range(1, W+1):
                if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) < 255*4:
                    out[y-1, x-1] = 0

    return out

开运算

效果：断开较窄的狭颈、消除细的突出物，使图像的轮廓变得光滑

定义：设 A 为原始二值图像，B 是结构元素，则 使用结构元素 B 对集合 A 进行开启操作，定义为：
即，先用 B 对 A 腐蚀，然后用 B 对腐蚀结果进行膨胀。

def Morphology_Opening(img, time=1):
    out = Morphology_Erode(img, Erode_time=time)
    out = Morphology_Dilate(out, Dil_time=time)

闭运算

效果：填补狭窄的间断、小的孔洞，使图像的轮廓变得光滑

定义：设 A 为原始二值图像，B 是结构元素，则使用结构元素 B 对集合 A 进行闭合操作，定义为：

即，先用 B 对 A 膨胀，然后用 B 对结果进行腐蚀

def Morphology_Closing(img, time=1):
    out = Morphology_Dilate(img, Dil_time=time)
    out = Morphology_Erode(out, Erode_time=time)

    return out