opencv从入门到精通哦吼08

出其东门225

已于 2022-10-05 15:40:15 修改

阅读量861

点赞数 1

分类专栏： python 文章标签： opencv 计算机视觉人工智能

于 2022-10-05 13:14:03 首次发布

本文链接：https://blog.csdn.net/qq_62218542/article/details/127171461

版权

python 专栏收录该内容

26 篇文章 3 订阅

订阅专栏

腐蚀与膨胀

腐蚀和膨胀是图像形态学中的两种核心操作，通过这两种操作可以清除或强化图像中的细节。合理使用腐蚀和膨胀，还可以实现图像开运算、闭运算、梯度运算、顶帽运算和黑帽运算等极具特点的操作。下面将对腐蚀、膨胀以及其他形态学操作进行详细的介绍。

腐蚀

腐蚀操作可以让图像沿着自己的边界向内收缩。OpenCV 通过「核」来实现收缩计算。「核」的英文名为 kernel，在形态学中可以理解为「由n个像素组成的像素块」，像素块包含一个核心（核心通常在中央位置，也可以定义在其他位置）。像素块在图像的边缘移动，在移动过程中，核会将图像边缘那些与核重合但又没有越过核心的像素点都抹除，效果类似图 12.1 所示的过程，就像削土豆皮一样，将图像一层一层地「削薄」。

OpenCV 将腐蚀操作封装成 erode()方法，该方法的语法如下

  dst = cv2.erode(src, kernel, anchor, iterations, borderType, borderValue)

图像经过腐蚀操作之后，可以抹除一些外部的细节，如图是一个仙人掌，经过腐蚀操作之后可以将外部的刺去除

import cv2
import numpy as  np

image=cv2.imread('match/img_1.png')
k=np.ones((5,5),np.uint8)
cv2.imshow('image',image)
dst=cv2.erode(image,k)
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

膨胀

膨胀操作与腐蚀操作相反，膨胀操作可以让图像沿着自己的边界向内扩张。同样是通过核来计算，当核在图像的边缘移动时，核会将图像边缘填补新的像素，效果类似图 12.6 所示的过程，就像在一面墙上反反复复地涂水泥，让墙变得越来越厚。

OpenCV 将膨胀操作封装成 dilate()方法，该方法的语法如下：

  dst = cv2.dilate(src, kernel, anchor, iterations, borderType, borderValue)

图像经过膨胀操作之后，可以放大一些外部的细节，消除内部细节

import cv2
import numpy as np
image=cv2.imread('match/img_2.png')
k=np.ones((3,3),np.uint8)
cv2.imshow('image',image)
dst=cv2.dilate(image,k)
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

开运算

开运算是将图像先进行腐蚀操作，再进行膨胀操作。开运算可以用来抹除图像外部的细节（或者噪声）。

# 开运算
'''
开运算是将图像先进性腐蚀操作，再进行膨胀操作，
可以用来抹除图像外部的细节
'''
import  cv2
import numpy as np
img=cv2.imread('match/img_4.png')
k=np.ones((5,5),np.uint8)
cv2.imshow('img',img)
dst=cv2.erode(img,k)
dst1=cv2.dilate(dst,k)
cv2.imshow('dst1',dst1)
cv2.waitKey(0)
cv2.destroyAllWindows()

#但是 运算完之后 图片就变得比较模糊了

#闭运算 则是反过来  抹去图像内部细节

闭运算就是反过来去除图象的内部细节

形态学运算

腐蚀和膨胀是形态学的基础操作，除了开运算和闭运算以外，形态学中还有几种比较有特点的运算。OpenCV 提供了一个 morphologyEx()形态学方法，包含所有常用的运算，其语法如下：

dst = cv2.morphologyEx(src, op, kernel, anchor, iterations, borderType, borderV

morphologyEx()方法实现的腐蚀、膨胀、开运算和闭运算效果与前文中介绍的效果完全一致，本节不再赘述，下面将介绍 3 个特点鲜明的操作：梯度运算、顶帽运算和黑帽运算。

梯度运算

这里的梯度是指图像梯度，可以简单地理解为像素的变化程度。如果几个连续的像素，其像素值跨度越大，则梯度值越大。

梯度运算的运算过程如图 12.15 所示，让原图的膨胀图减原图的腐蚀图。因为膨胀图比原图大，腐蚀图比原图小，利用腐蚀图将膨胀图掏空，就得到了原图的轮廓图。

说明

梯度运算中得到的轮廓图只是一个大概轮廓，不精准。

import cv2
import numpy as np
img=cv2.imread('match/img_6.png')
k=np.ones((5,5),np.uint8)
cv2.imshow('img',img)
dst=cv2.morphologyEx(img,cv2.MORPH_GRADIENT,k)
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

顶帽运算

顶帽运算的运算过程如图 12.17 所示，让原图减原图的开运算图。因为开运算抹除图像的外部细节，「有外部细节」的图像减去「无外部细节」的图像，得到的结果就只剩外部细节了，所以经过顶帽运算之后，小蜘蛛就只剩蜘蛛腿了。

黑帽运算

黑帽运算的运算过程如图 12.19 所示，让原图的闭运算图减去原图。因为闭运算抹除图像的内部细节，「无内部细节」的图像减去「有内部细节」的图像，得到的结果就只剩内部细节了，所以经过黑帽运算之后，小蜘蛛就只剩下斑点、花纹和眼睛了。

import cv2
import numpy
import numpy as np

img=cv2.imread('match/img_6.png')
k=np.ones((5,5),np.uint8)
cv2.imshow('img',img)
dst=cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,k)
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

小结

本章介绍的基础内容是腐蚀和膨胀。读者掌握了其用法，就能轻而易举地实现开运算和闭运算。其中，开运算是对图像先进行腐蚀操作，再进行膨胀操作，其作用是抹除图像外部的细节；而闭运算是对图像先进行膨胀操作，再进行腐蚀操作，其作用是抹除图像内部的细节。此外，形态学运算也是构建在腐蚀和膨胀的基础上的。其中，梯度运算是让原图的膨胀图减原图的腐蚀图，得到的结果是原图的轮廓；顶帽运算是让原图减原图的开运算图，得到的结果是图像的外部细节；黑帽运算是让原图的闭运算图减去原图，得到的结果是图像的内部细节。