9.2.2 Python图像处理之图像数学形态学-二值形态学应用-目标检测

9.2.2 Python图像处理之图像数学形态学-二值形态学应用-目标检测（击中与击不中）

1 算法原理

采用击中与击不中来进行目标检测

击中击不中变换定义

击中击不中变换(HMT)需要两个结构元素B1和B2,合成一个结构元素对B=(B1,B2)。一个用于探测图像内部,作为击中部分;另一个用于探测图像外部,作为击不中部分。显然,B1和B2是不应该相连接的,即B1∩B2=Φ。击中击不中变换的数学表达式为：

g(x, y)=hitmiss[f(x, y), B]=erode[f(x, y), B1]AND erode[fc(x, y), B2]

其中,fc(x,y)表示的是f(x,y)的补集。

Hit-miss示意图：

已知A,B：在A图中寻找B图所示的图像目标的位置。

4步：

1 确定结构元素

既然是寻找图B所示形状，选取H为图B所示的形状。再选一个小窗口W，W包含H，M＝W－H。如下图所示：

2，求H对待检测A的腐蚀

3、求M对A补集的腐蚀

4、求2,3步结果的交集得到目标图案的位置

2 代码

运行代码说明

1.要改变代码中的图片地址（地址不能有中文）

更改65-66行的图片地址

2.注意最后的plt.savefig('1.new.jpg')是保存plt图像，如果不使用可以注释掉

代码依赖包：

matplotlib  3.4.2
numpy  1.20.3
opencv-python  4.1.2.30

# pip安装
pip install matplotlib numpy opencv-python

import cv2
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

def plt_show_opcv(title, image):
    '''
    显示结果图像，只有一个图像
    :param title:
    :param image:
    :return:
    '''
    if image.shape.__len__() == 3:
        plt.imshow(image[:, :, ::-1])
    else:
        plt.imshow(image, cmap='gray')
    plt.title(title)
    plt.savefig(title + "Target_Detection.jpg")
    plt.show()

def pme(titles, images, rc=None):
    '''
    显示多张图像在一个画布
    :param titles:
    :param images:要显示图像的列表
    :param rc:
    :return:
    '''
    row = None
    col = None
    if rc is None:
        length = len(titles)
        row = int(np.sqrt(length))
        col = int(length / row)
        if length - row - col > 0:
            row += 1
    else:
        row = rc[0]
        col = rc[1]

    for i in range(len(titles)):
        plt.subplot(row, col, i + 1), plt.imshow(images[i], 'gray')
        plt.title(titles[i])
    plt.savefig(titles[1]+"Target_Detection.jpg")
    plt.show()


def hmt(a, b):
    b1 = ~b  # 补集
    b2 = b
    a1 = ~a
    a2 = a
    pme(["原图补集", "原图", "目标图形补集", "目标图形原图"],[a1, a2,b1, b2])


    x1_erode_b1 = cv2.erode(a1, b1)# 补集腐蚀
    x2_erode_b2 = cv2.erode(a2, b2)  # 正常腐蚀

    r = cv2.bitwise_and(x1_erode_b1, x2_erode_b2)
    pme(['补集之间腐蚀', '正常图像腐蚀',"最后腐蚀结果"], [x1_erode_b1, x2_erode_b2,r])
    return r


image_X = cv2.imread("jiance2.png", 0)  # 待检测的图像
image_B = cv2.imread("shuzi2.png", 0)  # 模板图像


ret1, image_X = cv2.threshold(image_X, 127, 255, cv2.THRESH_BINARY)
ret2, image_B = cv2.threshold(image_B, 127, 255, cv2.THRESH_BINARY)

re = hmt(image_X, image_B)

targets = []
for i in range(re.shape[0]):
    for j in range(re.shape[1]):
        if re[i][j]:
            targets.append((j, i))
            print(i, j)

for target in targets:
    image_X = cv2.drawMarker(image_X, target, 125, markerType=cv2.MARKER_CROSS, markerSize=20, thickness=3)
plt_show_opcv("十字标记目标", image_X)

3 效果

使用击中与击不中原理来检测目标，这个我只在方方正正的目标和图像中实现了，其他复杂图像没能成功。

我实验的待检测的图片，左上角的黑色正方形是要检测的目标图案

模板图案：

---

结果图像

原图Target_Detection.jpg

正常图像腐蚀Target_Detection.jpg

目标结果图像