形态学的基本操作在图片中的应用

一、形态学——腐蚀操作 （缩小、变细）

import cv2
import numpy as np

img_pig = cv2.imread('pig.png')
cv2.imshow('image_pig',img_pig)
cv2.waitKey(0)
cv2.destroyAllWindows()

def cv_show(name, img):
    cv2.imshow(name, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 腐蚀的核是5*5大小的
kernel = np.ones((5,5),np.uint8)
erosion1 = cv2.erode(img_pig,kernel,iterations=2)
erosion2 = cv2.erode(img_pig,kernel,iterations=4)
erosion3 = cv2.erode(img_pig,kernel,iterations=6)
res = np.hstack((erosion1,erosion2,erosion3))
cv_show('pig', res)

结果：

二、膨胀操作（扩大，变粗）

kernel = np.ones((3,3),np.uint8)
dilate_1 = cv2.dilate(img_pig,kernel,iterations=1)
dilate_2 = cv2.dilate(img_pig,kernel,iterations=3)
dilate_3 = cv2.dilate(img_pig,kernel,iterations=5)
res = np.hstack((dilate_1,dilate_2,dilate_3))
cv_show('pig_1', res)

结果：

三、开运算（先腐蚀，后膨胀 不带刺）

kernel = np.ones((30,30),np.uint8)
opening = cv2.morphologyEx(img_pig, cv2.MORPH_OPEN, kernel)
cv_show("opening", opening)

结果：

四、闭运算（先膨胀，后腐蚀 刺变大，并且腐蚀不掉）

kernel = np.ones((30,30),np.uint8)
closing = cv2.morphologyEx(img_pig,cv2.MORPH_CLOSE,kernel)
cv_show("closing", closing)

结果：

五、梯度运算（梯度 = 膨胀——腐蚀）

kernel = np.ones((10,10),np.uint8)
dilate_1 = cv2.dilate(img_pig,kernel,iterations=5)
erosion1 = cv2.erode(img_pig,kernel,iterations=5)
gradient = cv2.morphologyEx(img_pig, cv2.MORPH_GRADIENT,kernel)
cv_show('tidu', gradient)

结果：

六、礼貌与黑帽（原始输入-开运算结果：执行结果，只有刺）

tophat = cv2.morphologyEx(img_pig, cv2.MORPH_TOPHAT,kernel)
cv_show('tophat', tophat)

结果：

七、黑帽（没有刺，只剩下轮廓）

blackhat = cv2.morphologyEx(img_pig, cv2.MORPH_BLACKHAT,kernel)
cv_show('blackhat', blackhat)

结果：

对图像的处理当中，值得注意的是，在代码中设置合适的核的大小，以及迭代次数的多少，对图像的处理结果是有重要的影响的，所以在处理图像时，需要根据所需要的要求来对=代码参数做出合理的调整。