【医学图像处理】9 二值形态学

1 形态学相关概念

  应用领域：
  图像增强；图像分割；图像恢复；纹理分析；特征生成；边缘检测；图像压缩；形状分析；成分分析；曲线填充；特征检测；噪声去除…
  形态学基础概念：
  （1）结构单元（structuring element,SE）：也被称为核
  （2）SE根据原点转换到图像中的每个像素位置.(空位置不计算)

2 二值形态学操作

2.1 二值膨胀

  定义： 一个图像F利用SE（结构元素）进行膨胀，被定义为：


  是使图像中高亮部分扩张，效果图拥有比原图更大的高亮区域；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个像素，用结构元素中的每个像素与其覆盖的像素做‘与’操作，如果都为0，则该像素为0，否则为1。


  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
  API： cv2.dilate（img,kernel,iterations）
  参数：
    img：要处理的图像
    kernel：核结构
    iterations：膨胀的次数，默认是1

import cv2
import matplotlib.pyplot as plt
import numpy as np
#1. 读取图像
img=cv2.imread('erode.png')

#2. 膨胀
# 2.1 创建核结构
kenel=np.ones((5,5),np.uint8)

# 2.2 膨胀
dilate_img=cv2.dilate(img,kenel,1)

#3.显示图像
cv2.imshow('origin',img)
cv2.imshow('dilate',dilate_img)
cv2.waitKey(0)

2.2 二值腐蚀

  定义： 一个图像F利用SE（结构元素）进行腐蚀，被定义为：


  是原图中的高亮区域被蚕食，效果图拥有比原图更小的高亮区域；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个像素，用结构元素中的每个像素与其覆盖的像素做‘与’操作，如果都为1，则该像素为1，否则为0。


  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。
  API： cv2.erode（img,kernel,iterations）
  参数：
    img：要处理的图像
    kernel：核结构
    iterations：腐蚀的次数，默认是1

import cv2
import matplotlib.pyplot as plt
import numpy as np
#1. 读取图像
img=cv2.imread('erode.png')

#2. 腐蚀和膨胀

# 2.1 创建核结构
kenel=np.ones((5,5),np.uint8)
# 2.2 腐蚀
erode_img=cv2.erode(img,kenel,1)

#3.显示图像
cv2.imshow('origin',img)
cv2.imshow('erode',erode_img)
cv2.waitKey(0)

2.3 二值开操作

  定义： 一个图像F利用SE（结构元素）进行开操作，被定义为：


  定义： 先腐蚀后膨胀，其作用是：分离物体，消除小区域。
  特点： 消除噪点，去除小干扰，而不影响原来的图像

  API：
  cv2.morphologyEx（img,op，kernel）
  参数：
    img：要处理的图像
    op：处理方式，若进行开运算，则设为cv2.MORPH_OPEN；若进行闭运算，则设为cv2.MORPH_CLOSE
    kernel：核结构

import cv2
import matplotlib.pyplot as plt
import numpy as np
#1. 读取图像
img=cv2.imread('open_close.png')

#2. 开运算和闭运算

# 2.1 创建核结构
kenel=np.ones((10,10),np.uint8)

# 2.2 开运算
open_img=cv2.morphologyEx(img,cv2.MORPH_OPEN,kenel)#开运算

#3.显示图像
cv2.imshow('origin',img)
cv2.imshow('open',open_img)
cv2.waitKey(0)

2.4 二值闭操作

  定义： 一个图像F利用SE（结构元素）进行闭操作，被定义为：


  定义： 先膨胀后腐蚀，其作用是：消除闭合物体里面的孔洞（比结构体更小的孔洞得到填充）
  特点： 可以填充闭合区域

  API：
  cv2.morphologyEx（img,op，kernel）
  参数：
    img：要处理的图像
    op：处理方式，若进行开运算，则设为cv2.MORPH_OPEN；若进行闭运算，则设为cv2.MORPH_CLOSE
    kernel：核结构

import cv2
import matplotlib.pyplot as plt
import numpy as np
#1. 读取图像
img=cv2.imread('open_close.png')

#2. 开运算和闭运算

# 2.1 创建核结构
kenel=np.ones((10,10),np.uint8)

# 2.2 开运算和闭运算
open_img=cv2.morphologyEx(img,cv2.MORPH_OPEN,kenel)#开运算
close_img=cv2.morphologyEx(img,cv2.MORPH_CLOSE,kenel)#闭运算

#3.显示图像
cv2.imshow('origin',img)
cv2.imshow('open',open_img)
cv2.imshow('close',close_img)
cv2.waitKey(0)

2.5 二值形态学总结

  膨胀和闭操作： 信息都会增加。区别是膨胀是使整个区域进行膨胀，闭操作对孔洞进行膨胀，整体没有很大变化保留了原有图像特征
  腐蚀和开操作： 信息都会减少。区别是腐蚀使整个区域进行腐蚀，开操作对噪声点进行腐蚀，整体没有很大变化保留了原有图像特征

3 二值形态学应用

  open：去除噪点
  close：断裂填充
  二值开运算：
  （1）强大的形状检测器，通过使用不同的结构元素。例利用半径为5的圆形结构元素，对原图进行二值开运算，得到