【opencv】Python-OpenCV图像形态学运算-自学笔记

前言：本文是我在学习opencv时记录的笔记，内容较为简洁，会记录从入门到做项目这段时间的内容，最终目的是完成我的毕业设计，欢迎大家给予批评指正。本篇为《学习OpenCV》和《Python-OpenCV从入门到精通》中有关图像形态学的笔记。

1.腐蚀与膨胀

膨胀是指将一些图像A与核B进行卷积，即计算核B覆盖区域的像素点最大值，并把这个最大值赋给参考点指定的像素，这样就会使图像中的高亮区域逐渐增长。
腐蚀是膨胀的反操作，即计算核B区域像素的最小值，并把这个值放到参考点上。
腐蚀：dst = cv2.erode(src, kernel, anchor, iterations, borderType, borderValue)
膨胀：dst = cv2.dilate(src, kernel, anchor, iterations, borderType, borderValue)
src：原始图像
kernel：核
anchor：核的锚点位置；
iterations：迭代次数，默认为1；
borderType：边界样式，默认值；
borderValue：边界值，默认值；
dst：腐蚀或膨胀后的图像。

在做形态学操作时，通常使用numpy模块来创建核数组作为核参数，例如：

import numpy as np
k = np.ones((5, 5), np.uint8)

其中，数组数值越大，计算出的效果就越粗糙。

例：对仙人掌进行腐蚀和膨胀操作：

import cv2
import numpy as np

img = cv2.imread("D:/1a.study/opencv/Python OpenCV/sl/12/01/cactus.jpg")
k = np.ones((5, 5), np.uint8)
cv2.imshow("img", img)
dst1 = cv2.erode(img, k)
dst2 = cv2.dilate(img, k)
cv2.imshow("erode", dst1)
cv2.imshow("dilate", dst2)
cv2.waitKey()
cv2.destroyAllWindows()

2.开运算与闭运算

开运算是将图像先进行腐蚀操作，再进行膨胀操作，可以用来抹除图像的外部细节或噪声。

闭运算是将图像先进行膨胀操作，再进行腐蚀操作，用来去除图像的内部细节或噪声引起的区域。

对于连通区域分析，通常先采用腐蚀或闭运算来消除纯粹由噪声引起的部分，然后用开运算来连接邻近的区域。

3.形态学梯度

gradient(src) = dilate(src) - erode(src)

形态学梯度操作是用原图像的膨胀操作减去原图像的腐蚀操作，能描述图像亮度变化的剧烈程度，当我们想突出高亮区域的外围时，可以使用此操作。

4.形态学运算

dst = cv2.morphologyEx(src, op, kernel, anchor, iterations, borderType, borderValue)
src：原始图像；
op：操作类型：

参数值	含义
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	梯度运算
cv2.MORPH_TOPHAT	顶帽运算
cv2.MORPH_BLACKHAT	黑帽运算

kernel：核；
anchor：核的锚点位置；
iterations：迭代次数，默认为1；
borderType：边界样式，默认值；
borderValue：边界值，默认值；
dst：操作后的图像。

例如梯度运算，最后得到了原图的大概轮廓：

k = np.ones((5, 5), np.uint8)
dst3 = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, k)

5.顶帽运算与黑帽运算

顶帽运算是让原图减去原图的开运算图，黑帽运算是让原图的闭运算图减去原图，当试图孤立的部分相对于其临近的部分有亮度变化时，就可以使用此方法。

顶帽运算可以突出比试图孤立部分的周围更明亮的区域。因为开运算抹除了图像的外部细节，用有外部细节的图减去无外部细节的图，得到的结果就只剩外部细节。
黑帽运算可以突出比试图孤立部分的周围更黑暗的区域。因为闭运算抹除了图像的内部细节，用无内部细节的图减去有内部细节的图，得到的结果就只剩内部细节。

例如：

k = np.ones((5, 5), np.uint8)
dst3 = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, k) # 顶帽
dst4 = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, k) # 黑帽