cv2.erode(),cv2.dilate(),cv2.morphologyEx()
cv2.erode()
cv2.dilate()
cv2.morphologyEx()
'''
原理:形态学操作是根据图像形状进行的简单操作。一般情况下对二值化图像进行的
操作。需要输入两个参数,一个是原始图像,第二个被称为结构化元素或核,它是用
来决定操作的性质的。两个基本的形态学操作是腐蚀和膨胀。他们的变体构成了开运
算,闭运算,梯度等。我们会以下图为例逐一介绍它们。
'''
腐蚀
import cv2
import numpy as np
img = cv2.imread('01.jpg',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
#kernel:腐蚀盒子的大小
#interations:腐蚀的迭代次数
'''
根据卷积核的大小靠近前景的所有像素都会被腐蚀 掉(变为 0),所以前景物体
会变小,整幅图像的白色区域会减少。这对于去除 白噪声很有用,也可以用来断
开两个连在一块的物体等。
'''
膨胀
dilation = cv2.dilate(img,kernel,iterations = 1)
'''
与腐蚀相反,与卷积核对应的原图像的像素值中只要有一个是 1,中心元素的像素
值就是 1。所以这个操作会增加图像中的白色区域(前景)。一般在去噪声时先用
腐蚀再用膨胀。因为腐蚀在去掉白噪声的同时,也会使前景对象变小。所以我们再
对他进行膨胀。这时噪声已经被去除了,不会再回来了,但是前景还在并会增加。
膨胀也可以用来连接两个分开的物体。
'''
开运算
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
'''
morphologyEx(src,op, kernel, anchor,iterations,borderType,orderValue)
src: 操作图像
op: 操作的类型
MORPH_ERODE 腐蚀
MORPH_DILATE 膨胀
MORPH_OPEN 开操作
MORPH_CLOSE 闭操作
MORPH_GRADIENT 梯度操作
MORPH_TOPHAT 顶帽操作
MORPH_BLACKHAT 黑帽操作
MORPH_HITMISS
kernel: 用于操作的结构元素
anchor: 参考点,其默认值是(-1,-1)说明位于kernel的中心位置
iterations: 迭代次数
borderType: 边缘类型 默认为BORDER_CONSTANT
orderValue: 边缘值 默认即可
'''
#先进行腐蚀再进行膨胀就叫做开运算。
闭运算
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
#先膨胀再腐蚀。
形态学梯度
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
#其实就是一幅图像膨胀与腐蚀的差别。 结果看上去就像前景物体的轮廓
礼帽
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
#原始图像与进行开运算之后得到的图像的差
# 礼帽 = 原始输入 - 开运算结果
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
黑帽
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
#进行闭运算之后得到的图像与原始图像的差
# 黑帽 = 闭运算 - 原始输入
结构化元素
'''
在前面我们使用numpy构建了结构化元素,它是正方形的。但有时我们需要构建
一个椭圆形/圆形的核。我们使用cv2.getStructuringElement()
只需要告诉它你需要的核的形状和大小
cv2.getStructuringElement(para1,para2,para3)
para1: 表示内核的形状
MORPH_RECT 矩形
MORPH_CROSS 交叉形
MORPH_ELLIPSE 椭圆形
para2: 内核的尺寸
para3: 锚点的位置
'''
>>> cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
>array([[1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1],
[1, 1, 1, 1, 1], [1, 1, 1, 1, 1]], dtype=uint8)
>>> cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
>array([[0, 0, 1, 0, 0], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1],
[1, 1, 1, 1, 1], [0, 0, 1, 0, 0]], dtype=uint8)
>>> cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
>array([[0, 0, 1, 0, 0], [0, 0, 1, 0, 0], [1, 1, 1, 1, 1],
[0, 0, 1, 0, 0], [0, 0, 1, 0, 0]], dtype=uint8)