数字图像处理：形态学

要求

对一副二值图像进行膨胀、腐蚀、开、闭操作。

待处理图像：

对图片进行二值化：

ret, img_threshold = cv2.threshold(img, 240, 255, cv2.THRESH_BINARY_INV)

腐蚀

使用opencv，结构元为50*50的方形，进行腐蚀

kernel = np.ones((50, 50), np.uint8)
erosion = cv2.erode(img_threshold, kernel)

结果

可以看到腐蚀了50

100*100的结构元时：

产生断裂

或者使用长方形的结构元进行腐蚀，kernel1 侧重水平方形，其结构元长大于宽
kernel12，侧重垂直反向，其结构元长小于宽

kernel1 = np.ones((1, 200), np.uint8)
kernel2 = np.ones((90, 1), np.uint8)
erosion = cv2.erode(img_threshold, kernel1)
erosion2 = cv2.erode(img_threshold, kernel2)

不同形状的结构元素，收缩或膨胀后的结果形状不同

膨胀

kernel1 = np.ones((1, 200), np.uint8)
kernel2 = np.ones((90, 1), np.uint8)
dilate1 = cv2.dilate(erosion, kernel1)
dilate2 = cv2.dilate(erosion, kernel2)

开运算与闭运算

用100*100的方形结构元，进行如下操作：

def open_(img, kernel):
    erosion = cv2.erode(img, kernel)
    dilate = cv2.dilate(erosion, kernel)
    return dilate

def close_(img, kernel):
    dilate = cv2.dilate(img, kernel)
    erosion = cv2.erode(dilate, kernel)
    return erosion

开运算先进行腐蚀，这回导致凸起（如右上角和左下角）和狭长（中心部分）被腐蚀掉，然后再膨胀回“原来大小”
闭运算先进行膨胀，这回导致凹陷（右边中间）被膨胀填充，然后再腐蚀回“原来大小”

形态学去噪

有两副分别是盐噪声和胡椒噪声的图，用10 * 10的核（其实可以更小）

对盐噪声图像进行开运算，先腐蚀会导致盐噪声被腐蚀掉，如果对其进行闭运算，中则整个图像会被膨胀，因为噪声之间靠的很近，膨胀后有可能复原不了

对胡椒噪声图像进行闭运算，会膨胀掉胡椒噪声，如归对其开运算，整个图像可能会被腐蚀，与盐噪声同理

错误的运用：