opencv python 图像形态学

形态学操作(morphology operators)

图像形态学操作 – 基于形状的一系列图像处理操作的合集，
主要是基于集合论基础上的形态学数学。
形态学主要针对二值图像进行处理，特别是OCR等这些处理，
还有特征提取、区域分割等也可以通过形态学的方法进行。

形态学有四个基本操作：腐蚀、膨胀、开、闭。
膨胀与腐蚀是图像处理中最常用的形态学操作手段。

1）膨胀（dilate）

跟卷积操作类似，假设有图像A和结构元素B，
结构元素B在A上面移动，其中B定义其中心为锚点，
以B覆盖下A的最大像素值（偏白）替换锚点的像素，
其中B作为结构体可以是任意形状。
(与卷积不同之处，可以是线、矩阵、圆、十字等形状)

最大值（偏白）替换就是向原图边缘膨胀，白色变多，黑色变小

（2）腐蚀（erode）

腐蚀跟膨胀操作的过程类似，唯一不同的是以最小值（偏黑）
替换锚点重叠下图像的像素值。

二值图像与灰度图像上的腐蚀操作：

最小值（偏黑）替换就是向背景做了腐蚀，黑色变大，白色变小。	

import cv2
import numpy as np

# 腐蚀 取最小值
def erossionDef(img):

    kernel = np.ones((5,5),np.uint8)
    erossion = cv2.erode(img,kernel,iterations=1)
    return erossion

# 膨胀 取最大值
def dilate(img):

    kernel = np.ones((5, 5), np.uint8)
    img = cv2.dilate(img,kernel,iterations=1)
    return img

# 开运算:先腐蚀 再膨胀
def morphOpen(img):

    kernel = np.ones((5, 5), np.uint8)
    img = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)
    return img

# 闭运算:先膨胀 再腐蚀
def morphClose(img):

    kernel = np.ones((5, 5), np.uint8)
    img = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)
    return img

# 梯度 = 膨胀 - 腐蚀
def gradientImg(img):

    kernel = np.ones((3,3), np.uint8)
    img = cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)
    return img

# 礼帽 = 原始输入 - 开运算结果
def topHat(img):

    kernel = np.ones((5, 5), np.uint8)
    img = cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)
    return img

def blackHat(img):

    kernel = np.ones((5, 5), np.uint8)
    img = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
    return img

img = cv2.imread("img1.png")

# img = erossionDef(img)
# img1 = dilate(img)
# img2 = erossionDef(img)
# img3 = gradientImg(img)
#
# img = np.hstack((img,img1,img2,img3))

img = blackHat(img)

cv2.imshow("img",img)
cv2.waitKey(0)
cv2.destroyAllWindows()