【OpenCV Python】核心操作--形态学转换

     形态学转换是针对图像形状进行的简单操作，一般是指针对二值化图像进行的操作，常见的形态学转换包括腐蚀，膨胀，开运算等。

1.腐蚀

顾名思义，腐蚀是对前景物体的边缘进行腐蚀掉，形成如现实中一样的腐蚀效果，其原理如下:

卷积核沿着图像滑动，如果卷积核对应区域的图像像素值都是1，则卷积核中心对应的像素值保持不变，反之则全变成0，所以在图像边缘区域，部分为0，部分为1的区域都会变成0，再往里面则会保持不变。

opencv提供erode(src, kernel,iterations)函数进行腐蚀操作，而且腐蚀操作，也可以去除二值化图形里的一些噪点

例如：

img =cv2.imread("test2.png")

kernel = np.ones((5,5),np.uint8)

dst = cv2.erode(img,kernel)

可以看出，相对于左边原图，右边腐蚀之后的图形有明显腐蚀效果，而且噪声被除去

2.膨胀

膨胀可以理解为腐蚀的反操作，膨胀的原理是：

同样的卷积核沿着图像滑动，只要卷积核对应的图像像素值有一个是1，则这块区域全部变成1.

使用cv2.dilate(src , kernel)函数就可以实现膨胀操作

例如：

img= cv2.imread("test2.png")

kernel= np.ones((5,5), np.uint8)

dst= cv2.dilate(img,kernel)

  

屏幕剪辑的捕获时间:2018/4/9 21:11

 

3.开运算：

开运算就是先进行腐蚀，在进行膨胀，opencv提供函数cv2.morphologyEx(src, 运算方式，kernel)

来实现开运算

值得注意的是：

 （1）如果先进行腐蚀去除了噪点，但原图形的形状也被破坏，此时再使用膨胀就可以恢复回去，这是开运算存在的意义

 （2）直接使用cv2.morphologyEx和先使用cv2.erode再使用cv2.dilate函数的效果一样

 

例如：

img =cv2.imread("test2.png")

kernel = np.ones((5,5), np.uint8)

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

  

屏幕剪辑的捕获时间:2018/4/9 21:22

 

 

 

4.闭运算

闭运算就是开运算的逆过程，先进行膨胀，在腐蚀，原理和开运算一样，可以用于去除二值化图像的背景色噪点。

例如：

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

kernel =np.ones((5,5) , np.uint8)

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

  

屏幕剪辑的捕获时间:2018/4/9 21:28

 

可以看出白色图形里的黑色噪点已经被去除。

			5.形态学梯度： 其实就是图像的膨胀和腐蚀之后两张图形的差，其结果就像原图形的轮廓 例如：   img = cv2.imread("test2.png") kernel = np.ones((5,5) , np.uint8) dst= cv2.morphologyEx(img, cv2.MORPH_GRADIENT,kernel)    屏幕剪辑的捕获时间: 2018/4/9 21:31