opencv教程（基于python）----图象形态学转换

形态学造作是根据图象形状进行的简单操作。一般情况下对二值化图象进行的操作，需要输入两个参数，一个是原始图像，第二个是被称为结构化元素或和，它是用来决定操作性质的两个基本操作是腐蚀和膨胀。

腐蚀

腐蚀会把物体的边界腐蚀掉，卷积核沿着图象滑动，如果卷积核对应的原图的所有像素值为1，那么中心元素就保持原来的值，否则变为零。主要应用在去除白噪声，也可以断开连在一起的物体。主要的函数是cv2.erode()

cv2.erode(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)

这是erode函数的完整定义，src是输入图象；kenel是卷积的内核，默认的是一个3X3的矩阵，可以自定义；iteration是腐蚀的次数默认的是1，当然也可以自定义，否则效果不显著。

import cv2
import numpy as np
import matplotlib.pyplot as plt
img=cv2.imread('C:/Users/dell/Desktop/u.jpg',0)
kenel=np.ones((5,5),np.uint8)
erosion=cv2.erode(img,kenel,iterations=3)
plt.subplot(1,2,1),plt.imshow(img)
plt.title('original'),plt.xticks([]),plt.yticks([])
plt.subplot(1,2,2),plt.imshow(erosion)
plt.title('eroded'),plt.xticks([]),plt.yticks([])
plt.show()

这里我腐蚀了3次，一次的话效果根本不显著。

膨胀

与腐蚀想法，卷积核所对应的原图像的像素值只要有一个是1，中心像素值就是1。一般在除噪是，先腐蚀在膨胀，因为腐蚀在去除白噪声的时候也会使图像缩小，所以我们之后要进行膨胀。当然也可以用来谅解两个分开的物体。所用到的函数是cv2.dilate()

dilate(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)

参数的用法也和前面的一样，我就不赘述了。

dilation=cv2.dilate(img,kenel,iterations=3)

程序也是相应的参数换一下。

高级运算

先腐蚀再膨胀的叫做开运算，就像之前说的用来除噪
主要函数是cv2.morphologyEx()

morphologyEx(src, op, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)

主要的参数是scr是输入图片；op是选择相对饮的高级操作；kenel是核的大小；iteration可选。

open=cv2.morphologyEx(img,cv2.MORPH_OPEN,kenel)

程序换相应行的命令就好。图象效果一般，因为没找到有噪声的图片。

闭运算是先膨胀在腐蚀，经常用来填充前景物体中的消毒或者小黑点

close=cv2.morphologyEx(img,cv2.MORPH_CLOSE,kenel,iterations=3)

这个的效果还好一点。

形态学梯度就是一幅图像膨胀与腐蚀的差别，输出结果就像图象的轮廓。

gradient=cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kenel,iterations=3)

相应的位置换参数就好

礼貌是原始图像与进行开运算得到的图像结果之差

tophat=cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kenel,iterations=3)

相应的位置换换参数。

黑帽是闭运算的到的图象与原始图像的差

blackhat=cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kenel,iterations=5)

原始相应的位置换换参数就好。

小结

这一节的基本操作是腐蚀，膨胀，大部分参数都是固定的那些。但是关于卷积核，除了一般的正方形，opencv还有cv2.getStructuringElement函数来构造圆形和椭圆的。

cv2.getStructuringElement(shape, ksize, anchor=None)

shape是形状主要有cv2.MORPH_RECT（矩形）,cv2.MORPH_ELLIPSE（椭圆）,cv2.MORPH_CROSS（交叉）；ksize是矩阵的尺寸。