opencv图像处理进阶——形态学处理

参考文献：OpenCV—python 形态学处理（腐蚀、膨胀、开闭运算、边缘检测）_wsp_1138886114的博客-CSDN博客Python+OpenCV图像处理（一篇全）_E_vens-CSDN博客_基于python的opencv图像处理

1、腐蚀

卷积核中心逐个遍历图像像素，当卷积核范围内全是原图像时，不改变原像素值，当卷积核范围内有原图以外的区域时，将此范围内原图像像素值置为0。腐蚀主要应用在去除白噪声中，也可以断开连在一体的物体。

cv2.erode(src,kernal,iterations) :(原图，卷积核，腐蚀次数）

腐蚀代码：

import cv2
import numpy as np

img = cv2.imread(r'F:\lovergos\OpenCV\Image\ch.png')

# 设置卷积核
kernal = np.ones((5,5),np.uint8)

# 腐蚀
fushi = cv2.erode(img,kernal,1)
cv2.imshow('origin',img)
cv2.imshow('fushi',fushi)
cv2.waitKey(0)

原图：

处理效果示例：

2、膨胀

 卷积核中心逐个遍历图像像素，当卷积核范围内有一个原图像的像素点时，将卷积核范围内设为1，即将该像素点膨胀为卷积核大小的区域

 cv2.dilate(src, kernel, iterations)：同上

膨胀代码：

# 膨胀
pengzhang = cv2.dilate(img,kernal,1)
cv2.imshow('pengzhang',pengzhang)
cv2.waitKey(0)

处理效果示例：

 3、开运算——先腐蚀再膨胀

可以平滑物体的轮廓、断开较窄的狭颈并消除细的突出物。

cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)

image = cv2.imread(r'F:\lovergos\OpenCV\Image\img_1.png')
image = cv2.resize(image,None,fx=4,fy=5)  # 原图太小，将其放大，可忽略
kai = cv2.morphologyEx(image,cv2.MORPH_OPEN,kernel)

cv2.imshow('origin',image)
cv2.imshow('kai',kai)
cv2.waitKey(0)

原图：

kernel=5*5时：

kernel=50*50时：

 4、闭运算——先膨胀再腐蚀

通常会弥合较窄的间断和细长的沟壑，消除小的孔洞，填补轮廓线中的断裂。

# 闭运算
image = cv2.imread(r'F:\lovergos\OpenCV\Image\img_2.png')
image = cv2.resize(image,None,fx=0.8,fy=0.8)  # 原图太大，将其缩小，可忽略
bi = cv2.morphologyEx(image,cv2.MORPH_CLOSE,kernel)

cv2.imshow('origin',image)
cv2.imshow('bi',bi)
cv2.waitKey(0)

 原图：

kernel=5*5时：

 kernel=50*50时：

 5、顶帽运算——原始减去开运算

得到噪声图像

cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel)

 实现方法1：原图像减开运算图像

# 顶帽运算
# 方法1:原图减去开运算
image = cv2.imread(r'F:\lovergos\OpenCV\Image\img_1.png')
image = cv2.resize(image,None,fx=4,fy=5)
kai = cv2.morphologyEx(image,cv2.MORPH_OPEN,kernel)  # 开运算
image_kai= image-kai
cv2.imshow('tophat',image_kai)
cv2.waitKey(0)

 处理效果如图所示：

 实现方法2：调用cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel)

# 方法2:
tophat = cv2.morphologyEx(image,cv2.MORPH_TOPHAT,kernel)
cv2.imshow('origin',image)
cv2.imshow('tophat',tophat)
cv2.waitKey(0)

处理效果如图所示：

 6、黑帽运算——闭运算减去原始

得到图像内部的小孔，或前景中的黑点

cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernel)

实现方法1：闭运算图像减去原始图像

# 黑帽运算
image = cv2.imread(r'F:\lovergos\OpenCV\Image\img_2.png')
image = cv2.resize(image,None,fx=0.8,fy=0.8)  # 原图太大，将其缩小，可忽略
bi = cv2.morphologyEx(image,cv2.MORPH_CLOSE,kernel)
bi_image = bi-image
cv2.imshow('origin',image)
cv2.imshow('blackhat',bi_image)
cv2.waitKey(0)

处理效果如图所示：

实现方法2：调用cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernel)

# 方法2:
blackhat = cv2.morphologyEx(image,cv2.MORPH_BLACKHAT,kernel)
cv2.imshow('origin',image)
cv2.imshow('blackhat',blackhat)
cv2.waitKey(0)

处理效果如图所示：