opencv python图像形态学操作

1.腐蚀

就像土壤侵蚀一样,这个操作会把前景物体的边界腐蚀掉(但是前景仍然
是白色)。这是怎么做到的呢?卷积核沿着图像滑动,如果与卷积核对应的原图
像的所有像素值都是 1,那么中心元素就保持原来的像素值,否则就变为零。

import cv2
import numpy as np
img = cv2.imread('flower.jpg',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
cv2.imshow('img',img)
cv2.imshow('erode',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.膨胀

与腐蚀相反,与卷积核对应的原图像的像素值中只要有一个是 1,中心元
素的像素值就是 1。所以这个操作会增加图像中的白色区域(前景)。一般在去
噪声时先用腐蚀再用膨胀。

dilation = cv2.dilate(img,kernel,iterations = 1)

3.开运算

先进性腐蚀再进行膨胀就叫做开运算,去噪声。

opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

4.闭运算

先膨胀再腐蚀。它经常被用来填充前景物体中的小洞,或者前景物体上的小黑点。

closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

5.形态学梯度

其实就是一幅图像膨胀与腐蚀的差别。

gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

6. 礼帽

原始图像与进行开运算之后得到的图像的差。

tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

7. 黑帽

进行闭运算之后得到的图像与原始图像的差。

blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

8.结构化元素

cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))