OpenCV实现图像开闭运算

今夕是何年，

已于 2023-10-12 13:27:29 修改

阅读量871

点赞数

分类专栏： 3D视觉从入门到精通文章标签： opencv 人工智能计算机视觉 python

于 2023-09-22 17:21:07 首次发布

本文链接：https://blog.csdn.net/qq_53545309/article/details/133176901

版权

3D视觉从入门到精通专栏收录该内容

65 篇文章 19 订阅

订阅专栏

开闭运算（Opening and Closing）是数学形态学中的两种基本操作，用于图像处理和分析，通常用来处理二值图像，以去除噪声、分离物体、填充孔洞和连接断开的物体部分。这两种操作都利用了结构元素（也称为内核）来改变图像的形状和特征。本文将介绍开闭运算的原理和应用。

结构元素：
结构元素是一个小的、预定义形状的图像，通常是一个矩形、圆形或自定义形状的掩膜。结构元素的大小和形状可以根据应用需求进行调整。在开闭运算中，结构元素被用来在输入图像上进行滑动操作。

开运算（Opening）：
开运算是开操作（Erosion）后再接上闭操作（Dilation）的操作，通常表示为"开运算 = 腐蚀 + 膨胀"。它主要用于去除图像中的噪声和小物体、分离相互靠近的物体，以及打开物体的缺口。开运算的原理如下：
    首先，对输入图像应用腐蚀操作，将结构元素滑动到图像上的每个位置，当结构元素覆盖物体边界时，将输出图像中的对应像素设为1，否则设为0。
    然后，对上一步骤得到的结果应用膨胀操作，同样将结构元素滑动到图像上的每个位置，将结构元素与图像相交的区域设为1，否则设为0。

开运算的主要应用包括去除图像中的噪声、分离相互粘连的物体、清除物体边缘噪声等。

闭运算（Closing）：
闭运算是闭操作（Dilation）后再接上开操作（Erosion）的操作，通常表示为"闭运算 = 膨胀 + 腐蚀"。它主要用于填充物体中的小孔洞、连接相互靠近的物体部分，以及关闭物体的裂缝。闭运算的原理如下：
    首先，对输入图像应用膨胀操作，将结构元素滑动到图像上的每个位置，将结构元素与图像相交的区域设为1，否则设为0。
    然后，对上一步骤得到的结果应用腐蚀操作，同样将结构元素滑动到图像上的每个位置，当结构元素覆盖物体边界时，将输出图像中的对应像素设为1，否则设为0。

闭运算的主要应用包括填充物体内的小孔洞、连接相互接触的物体、平滑物体的边缘等。

应用示例：
开闭运算在图像处理中有着广泛的应用。以下是一些示例：

去除噪声：开运算可以消除小的噪声斑点，而闭运算可消除噪声并平滑物体的边缘。
物体分割：通过开闭运算，可以将相互靠近的物体分离开。
文字识别：在OCR（Optical Character Recognition）中，开闭运算可用于清除文字图像上的噪声和连接字符。
医学图像处理：在医学影像中，开闭运算用于分割组织结构、检测病变和去除伪影。
地理信息系统（GIS）：用于处理地图和地理数据，以填充孔洞和连接地理对象。

总之，开闭运算是图像处理中非常有用的技术，可用于去除噪声、分离物体、填充孔洞和连接物体部分。它们在各种领域，包括计算机视觉、医学图像处理和地理信息系统中都有广泛的应用。通过选择适当的结构元素和运算顺序，可以实现多种特定任务的图像处理需求。

开运算概念

在这里插入图片描述

闭运算概念

在这里插入图片描述

API
cv.morphologyEx(img , op, kernal)

参数：

img ;要处理的图像
op : 处理方式：若进行开运算，则设为cv.MORPH_OPEN ，若进行闭运算，则设为cv.MORPH_CLOSE
Kernel ：核结构

代码实现10*10的核结构对卷积进行开闭运算的实现

import  numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

from pylab import mpl

mpl.rcParams['font.sans-serif'] = ['SimHei']
#读取图像
img1 = cv.imread("aa.jpg")
img2 = cv.imread("lena.png")

#创建核结构
kernel = np.ones((10,10),np.uint8)

#图像的开闭运算

cvopen = cv.morphologyEx(img1,cv.MORPH_OPEN,kernel)  #开运算（先腐蚀，再膨胀，去除噪点）

cvclose = cv.morphologyEx(img2,cv.MORPH_CLOSE,kernel)  #闭运算（先膨胀，再腐蚀，去除孔洞）

#图像展示
fig,axes = plt.subplots(nrows=2,ncols=2,figsize=(6,6),dpi=100)

axes[0,0].imshow(img1[:,:,::-1])
axes[0,0].set_title("原图-aa")

axes[0,1].imshow(cvopen[:,:,::-1])
axes[0,1].set_title("开运算-aa")

axes[1,0].imshow(img2[:,:,::-1])
axes[1,0].set_title("原图-lena")

axes[1,1].imshow(cvclose[:,:,::-1])
axes[1,1].set_title("闭运算-lena")

plt.show()