OpenCV学习——图像处理之形态学操作

概念：图像的邻域、连通性

 

 

膨胀与腐蚀

膨胀和腐蚀为 相反 的一对操作。dilate （膨胀） erode（腐蚀）都是 形态学的滤波 。

 

腐蚀：

腐蚀是对图像中的高亮（白色）区域进行腐蚀，即求局部区域最小值的操作。

下图的示例是用 3*3 的算 子对二值图像进行腐蚀操作，求取对应位置的 8 邻域的最小值并输出：

腐蚀作用： 消除物体边界点，使目标 缩小，可以 消除小于结构元素的噪声点

腐蚀函数： cv2.erode()

函数原型：dst=cv2.erode（img，kernel，iterations）

img：要处理的图像

kernel：核结构

iterations：腐蚀的次数，默认是1

 

膨胀：

膨胀是对图像中的高亮（白色）区域进行膨胀，即求局部区域最大值的操作，膨胀运算是腐蚀的逆运算。

膨胀作用：将与物体接触的所有背景点合并到物体中，使目标 增大，可 添补目标中的孔洞

膨胀函数： cv2.dilate()

函数原型：dst=cv2.dilate（img，kernel，iterations）

img：要处理的图像

kernel：核结构

iterations：膨胀的次数，默认是1

代码：

img = cv.imread('test.jpg')
kernel = np.ones((5, 5), np.uint8) #创建核结构
erosion = cv.erode(img, kernel)
dilate = cv.dilate(img, kernel)
cv.imshow('erosion', erosion)
cv.imshow('dilate', dilate)
cv.waitKey(0)

 

 

开闭运算

开闭运算函数： cv2.morphologyEx()

函数原型：dst=cv2.morphologyEx（img，op，kernel）

img：要处理的图像

op：处理方式：若进行开运算，则设为cv2.MORPH_OPEN，若进行闭运算，则设为cv2.MORPH_CLOSE

kernel：核结构

代码：

img = cv.imread('test.jpg')
kernel = np.ones((10, 10), np.uint8)
open = cv.morphologyEx(img, cv.MORPH_OPEN, kernel)
close = cv.morphologyEx(img, cv.MORPH_CLOSE, kernel)
cv.imshow('open', open)
cv.imshow('close', close)
cv.waitKey(0)

 

 

礼帽和黑帽

礼帽和黑帽运算函数：cv2.morphologyEx()

函数原型：dst=cv2.morphologyEx（img，op，kernel）

img：要处理的图像

op：处理方式：若进行礼帽运算，则设为cv2.MORPH_TOPHAT，若进行黑帽运算，则设为cv2.MORPH_BLACKHAT

kernel：核结构

代码：

img = cv.imread('test.jpg')
kernel = np.ones((10, 10), np.uint8)
top = cv.morphologyEx(img, cv.MORPH_TOPHAT, kernel)
black = cv.morphologyEx(img, cv.MORPH_BLACKHAT, kernel)
cv.imshow('top', top)
cv.imshow('black', black)
cv.waitKey(0)

 

 

总结：