图像形态学

图像形态学

1、是图像处理学科的一个单独分支学科
2、灰度与二值图像处理中重要手段
3、是由数学的集合论等相关理论发展起来的
膨胀
3*3的结构元素/模板
注意：
–腐蚀与膨胀都支持
–任意形状的结构元素

膨胀的作用（Dilata）
或操作也就是最大值替换中心像素
1、对象大小增加一个像素（3*3）
2、平滑对象边缘
3、减少或者填充对象之间的距离

腐蚀的作用 （Erode）
与操作也就是最小值替换中心像素
1、对象大小减少1个像素（3*3）
2、平滑对象边缘
3、弱化或者分割图像之间的半岛型连接

也可以对彩色图像进行膨胀或腐蚀操作
膨胀：opencv定义用最大值取代中心像素，用最大值彩色图像会变得超级亮，黑色的部分变得很少，白色的部分变多，整个图像变量
腐蚀：opencv定义用最小值取代中心像素，黑色部分颜色加重，白色部分变少

先确认核的中心点

import cv2 as cv
import numpy as np

print("----------------hi.python!---------------------------")
src = cv.imread("C:/Users/LENOVO/Desktop/test image/shouxie.jpg")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)  # 创建一个window
cv.imshow("input image",src)

def erode_demo(image):      # 腐蚀
    print(image.shape)
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)  # 返回两个量，ret返回阈值大小，binary返回得到二值图像
    kenel = cv.getStructuringElement(cv.MORPH_RECT, (20, 20))   # 通过改变模板的大小(5, 5)或(3, 3)会出现不同程度的腐蚀现象
    cv.imshow("binary", binary)
    cv.imshow("erode_demo", dst)

def dilate_demo(image):      # 膨胀
    print(image.shape)
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)  # 返回两个量，ret返回阈值大小，binary返回得到二值图像
    kenel = cv.getStructuringElement(cv.MORPH_RECT, (6, 6))   # 通过改变模板的大小(5, 5)或(3, 3)会出现不同程度的腐蚀现象
    cv.imshow("binary", binary)
    dst = cv.dilate(binary, kenel)
    cv.imshow("erode_demo", dst)

# 也可对彩色图像进行膨胀或腐蚀操作
    dst = cv.erode(binary, kenel)
sr = cv.imread("C:/Users/LENOVO/Desktop/test image/lenaa.bmp")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)  # 创建一个window
cv.imshow("input image",sr)
kenel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))   # 通过改变模板的大小(5, 5)或(3, 3)会出现不同程度的腐蚀现象
#ds = cv.erode(sr, kenel)
ds = cv.dilate(sr, kenel)   
cv.imshow("erode_demo", ds)

# erode_demo(src)
#dilate_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()