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))