OpenCV基础操作之图像的形态学运算

OpenCV基础操作之图像的形态学运算

OpenCV在图像的形态学运算方面都是相较于图像中高亮部分而言，对应的二值化图像就是对白色区域进行膨胀或腐蚀。其主要作用是消除噪音、分割图像、连接图像、图像梯度的求取以及求局部最大值或最小值等。
本文主要是通过简单的实例进行说明，大家可以通过互联网搜索相应的函数进行尝试和学习。

# 获取并显示图像
img = cv2.imread('img/wen.png')

腐蚀操作

腐蚀操作类似于“蚕食”，将图像中的高亮区域或白色部分进行缩减细化，其运行结果图比原图的高亮区域更小，通过erode函数对其进行操作。

# 形态学-腐蚀操作 
kernel = np.ones((3,3),np.uint8)# 3*3的卷积核，uint8图像矩阵类型
erosion_1 = cv2.erode(img ,kernel,iterations = 1)# iterations 迭代次数
erosion_2 = cv2.erode(img ,kernel,iterations = 2)
erosion_3 = cv2.erode(img ,kernel,iterations = 3)
res = np.hstack((erosion_1,erosion_2,erosion_3))
cv2.imshow('erosion_1 VS erosion_2 VS erosion_3', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

膨胀操作

膨胀通俗来讲就是对将白色部分在原来的形状上扩大，对黑色部分压缩，通过dilate函数对其进行操作。

dilate_1 = cv2.dilate(img ,kernel,iterations = 1)
dilate_2 = cv2.dilate(img ,kernel,iterations = 2)
dilate_3 = cv2.dilate(img ,kernel,iterations = 3)
res = np.hstack((dilate_1,dilate_2,dilate_3))
cv2.imshow('dilate_1 VS dilate_2 VS dilate_3', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

• morphologyEx函数利用基本的膨胀和腐蚀技术，来执行更加高级形态学变换，基础语法为morphologyEx(src, op, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)
  其中值得注意的是，op表示形态学运算的类型：
  • MORPH_OPEN – 开运算（Opening operation）
  • MORPH_CLOSE – 闭运算（Closing operation）
  • MORPH_GRADIENT - 形态学梯度（Morphological gradient）
  • MORPH_TOPHAT - 顶帽（Top hat）
  • MORPH_BLACKHAT - 黑帽（Black hat）

接下来，我们按照morphologyEx函数的不同的形态学运算类型进行实例演示，便于大家更好理解。

开运算

即先腐蚀，再膨胀，一般用于消除细长的突出物，再还原，主要用于将物体分开。

morphologyEx_1 = cv2.morphologyEx(img ,cv2.MORPH_OPEN,kernel)
cv2.imshow('morphologyEx_1', morphologyEx_1)
cv2.waitKey(0)
cv2.destroyAllWindows()

闭运算

即先膨胀，再腐蚀，一般用于消除物体内部细小的空隙，用于物体连接，形成闭合整体。

morphologyEx_2 = cv2.morphologyEx(img ,cv2.MORPH_CLOSE,kernel)
cv2.imshow('morphologyEx_2', morphologyEx_2)
cv2.waitKey(0)
cv2.destroyAllWindows()

形态学梯度运算

即梯度 = 膨胀-腐蚀，之所以称为形态学梯度是因为一般的获得边缘方式是通过sobel算子计算梯度获得，而这种获得梯度的方式是通过膨胀减腐蚀获得边缘，是通过形态学操作的方式获得边缘。

# 梯度运算 梯度 = 膨胀-腐蚀
gradient = cv2.morphologyEx(img ,cv2.MORPH_GRADIENT,kernel)
cv2.imshow('gradient', gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()

礼帽

礼帽= 原始输入-开运算结果，一般用于提取图象中的高亮部分，因为开操作会消除高亮部分，用原图像减去开操作后的图像就会得到高亮部分的图像。

# 礼帽 = 原始输入-开运算结果
tophat = cv2.morphologyEx(img ,cv2.MORPH_TOPHAT,kernel)
cv2.imshow('tophat', tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()

黑帽

黑帽 = 开运算- 原始输入，一般用于提取低亮部分的图像，因为闭操作会消去细小的低亮部分，用低亮部分的图像减去原图像获得低亮部分的图像。

tophat = cv2.morphologyEx(img ,cv2.MORPH_BLACKHAT,kernel)
cv2.imshow('tophat', tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()

看了本文之后有些同学可能对于概念还比较模糊，大家可以点击OpenCV图像腐蚀和膨胀、开操作、闭操作、形态学梯度、顶帽和黑帽进行更深一步的学习和思考。