【OpenCV】（三）图像形态学操作

目录

 腐蚀与膨胀

 开运算和闭运算

 礼帽和黑帽

---

 腐蚀与膨胀

# 腐蚀和膨胀是针对白色部分（值为1，高亮部分）而言的
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

# 读取图像
img = cv.imread("picture/dot.jpg")

# 创建核结构
kernal = np.ones((5, 5), np.uint8)

# 腐蚀
# 使图像中的高亮部分减小，是求局部最小值的操作
# 具体操作：用一个结构元素扫描图像中的每一个像素，用结构元素中的每一个像素与其覆盖的像素做与操作
# 作用：消除物体边界点，使目标缩小，可以消除小于结构元素的噪声点
# cv.erode(img, kernal, iteration)
# img:要处理的图像
# kernal:结构
# iteration:腐蚀的次数，默认是1
erosion = cv.erode(img, kernal)

# 膨胀
# 使图像中的高亮部分扩张，是求局部最大值的操作
# 具体操作：用一个结构元素扫描图像中的每一个像素，用结构元素中的每一个像素与其覆盖的像素做或操作
# 作用：将与物体接触的所有背景点合并到物体中，使目标增大，可填补目标中的孔洞
# cv.dilate(img, kernal, iteration)
# img:要处理的图像
# kernal:核结构
# iteration:腐蚀的次数，默认是1
dilate = cv.dilate(img, kernal)

# 显示图像
plt.imshow(img[:, :, :: -1])
plt.show()
plt.imshow(erosion[:, :, :: -1])
plt.show()
plt.imshow(dilate[:, :, :: -1])
plt.show()

运行结果

​

 原图：​

腐蚀：​ 膨胀：​

 开运算和闭运算

# 开运算和闭运算是将腐蚀和膨胀按一定的次序进行处理。两者是不可逆的，即先开后闭并不能得到原来的图像

# 开运算
# 先腐蚀后膨胀
# 功能：分离物体，消除小区域
# 特点：消除噪点，去除小的干扰项，而不影响原来的图像

# 闭运算
# 先膨胀后腐蚀
# 功能：消除闭合物体里面的孔洞
# 特点：填充闭合区域

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

# 读取图像
img1 = cv.imread("picture/dot.jpg")
img2 = cv.imread("picture/dot.jpg")

# 创建核结构
kernal = np.ones((5, 5), np.uint8)

# 开运算和闭运算
# cv.morphologyEx(img, op, kernel)
# img: 要处理的图像
# op: 处理方式：开运算：cv.MORPH_OPEN；闭运算：cv.MORPH_CLOSE
# kernal: 核结构

# 开运算
cvOpen = cv.morphologyEx(img1, cv.MORPH_OPEN, kernal)
# 闭运算
cvClose = cv.morphologyEx(img2, cv.MORPH_CLOSE, kernal)

# 显示图像
plt.imshow(img1[:, :, :: -1])
plt.show()
plt.imshow(cvOpen[:, :, :: -1])
plt.show()
plt.imshow(cvClose[:, :, :: -1])
plt.show()

运行结果 

​

原图：​

开运算：​ 闭运算：​

 礼帽和黑帽

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

# 读取图像
img1 = cv.imread("picture/dot.jpg")
img2 = cv.imread("picture/dot.jpg")

# 创建核结构
kernal = np.ones((5, 5), np.uint8)

# 礼帽运算
# 原图像与开运算图像之差
# 功能：突出比原图轮廓周围的区域更亮的区域（这一操作和选择的核的大小有关），用来分离比邻近点亮一些的斑块
# 当一幅图像具有大幅的背景的时候，而微小物品比较有规律的情况下，可以使用礼帽运算进行背景提取

# 黑帽运算
# 原图像与闭运算图像之差
# 功能：突出比原图轮廓周围的区域更暗的区域（这一操作和选择的核的大小有关），用来分离比邻近点亮一些的斑块

# 礼帽运算和黑帽运算
# cv.morphologyEx(img, op, kernel)
# img: 要处理的图像
# op: 处理方式：礼帽运算：cv.MORPH_TOPHAT；黑帽运算：cv.MORPH_BLACKHAT
# kernal: 核结构

# 礼帽运算
cvTophat = cv.morphologyEx(img1, cv.MORPH_TOPHAT, kernal)
# 黑帽运算
cvBlackhat = cv.morphologyEx(img2, cv.MORPH_BLACKHAT, kernal)

# 显示图像
plt.imshow(img1[:, :, :: -1])
plt.show()
plt.imshow(cvTophat[:, :, :: -1])
plt.show()
plt.imshow(cvBlackhat[:, :, :: -1])
plt.show()

运行结果

​

  原图：​

礼帽运算：​ 黑帽运算：​