常用的形态学操作如腐蚀、膨胀、开运算、闭运算等,可以帮助我们解决一下图像不连接或消除图像中某些不想要的连接,对于图像处理使用方便,效果明显。本文通过示例对这些功能和效果进行演示,以帮助大家理解和使用。
cv2.morphologyEx()函数详解
cv2.morphologyEx 是 OpenCV 中的一个函数,用于执行形态学操作,如腐蚀、膨胀、开运算、闭运算等。这个函数的基本语法如下:
retval, dst = cv2.morphologyEx(src, op, kernel[, dst[, anchor]])
参数:
src:源图像,必须是单通道的灰度图像。
op:形态学操作的类型,可以是以下几种:
cv2.MORPH_ERODE:腐蚀操作。
cv2.MORPH_DILATE:膨胀操作。
cv2.MORPH_OPEN:开运算。
cv2.MORPH_CLOSE:闭运算。
cv2.MORPH_GRADIENT:形态学梯度。
cv2.MORPH_TOPHAT:原图像减去膨胀的图像。
cv2.MORPH_HITMISS:结构元素对应的点集比较。
kernel:形态学操作的核,通常是一个矩形、椭圆或十字形的小矩阵。核的大小可以是正奇数。
dst(可选):输出图像,如果未指定,则函数会创建一个新的输出图像。
anchor(可选):核的锚点,默认是核的中心。
如上面op参数不同功能不同,我们可以改变op的参数以实现不同的功能。
腐蚀操作
腐蚀操作在图像处理中具有多种应用,其主要作用是消除图像中的噪声、细化对象、断开连接的对象等。腐蚀操作通过逐渐消除边界上的像素点,使图像向中心收缩,从而达到消除噪声、断开连接对象的效果。
import cv2
import numpy as np
# 读取图像
img = cv2.imread('1.jpg', 0)
# 定义核
kernel = np.ones((9,9), np.uint8)
eroded = cv2.morphologyEx(img, cv2.MORPH_ERODE, kernel)
# 腐蚀操作
#eroded = cv2.erode(img, kernel)
# 显示结果
cv2.imshow('Original', img)
cv2.imshow('Erosion', eroded)
cv2.waitKey(0)
cv2.destroyAllWindows()
注意,这里kernel
值设置直接影响最后的结果,下面改变不同的核值,以对比其效果。
上图为原图
上图左边为33核大小腐蚀结果,右边为99核大小腐蚀结果。可以看出,核变大之后效果更明显,尤其是在图像上端,比较尖的区域。
膨胀
图像中每个像素与一个结构元素进行卷积来完成的。膨胀操作可以使前景区域扩张,填充空洞和连接断裂的区域
主要代码与腐蚀相同,将cv2.MORPH_ERODE
替换为cv2.MORPH_DILATE
:
DILATE33 = cv2.morphologyEx(img, cv2.MORPH_DILATE, kernel33)
kernel的值进行自定义即可,在此处使用两个数值进行对比。
kernel1515 = np.ones((15,15), np.uint8)
kernel33 = np.ones((3,3), np.uint8)
原图如下:
效果图
进行膨胀操作,下图左边核大小为33,右边为1515.
可以看出,卷积核越大,连接的效果越好,但也会把中间部分进行连接。
开运算和闭运算是腐蚀和膨胀的组合操作,只是进行的顺序不同,实现的效果也不同。
开运算
先进行腐蚀运算,再进行膨胀运算。开运算的效果是能够除去孤立的小点、毛刺和小桥,而总的位置和形状不便。开运算是一个基于几何运算的滤波器,结构元素大小的不同将导致滤波效果的不同。
替换代码中的
cv2.morphologyEx(img, cv2.MORPH_DILATE, kernel33)
效果图
左边为33的核大小效果,右边为1515的核大小效果。
可以看出当核为33时效果不明显,而值为1515时已经把连接较少的地方直接断开。
闭运算
先进行膨胀运算,再进行腐蚀运算。闭运算的效果是能够填平小湖(即小孔)、弥合小裂缝,而总的位置和形状不变。闭运算是通过填充图像的凹角来滤波图像的,结构元素大小的不同将导致滤波效果的不同。
上图左边为33的核大小,右边为1515的核大小。
下图中,左边为2121的核大小,右边为2525的核大小,可以看出随着核大小的增大,连接的效果在变好。
总结
不同的操作和运算对图像的处理不同,但相应的核大小要根据自己的项目和应用设置,设置不当也会影响其效果。