从头学习opencv（23）--开闭操作

参考 https://www.cnblogs.com/ssyfj/p/9277688.html

开操作

开操作=腐蚀+膨胀，输入图像+结构元素

开操作先腐蚀，后膨胀

特点：消除噪点，去除小的干扰块，而不影响原来的图像

#开操作，去除干扰块
def open_demo(image):
    print(image.shape)
    gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    ret,binary=cv.threshold(gray,0,255,cv.THRESH_BINARY_INV|cv.THRESH_OTSU)
    cv.imshow("open_binary",binary)
    kernel=cv.getStructuringElement(cv.MORPH_RECT,(9,9))
    #kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 1))#去除垂直线
    #kernel = cv.getStructuringElement(cv.MORPH_RECT, (1, 15))#去除水平线
    open_binary=cv.morphologyEx(binary,cv.MORPH_OPEN,kernel)
    cv.imshow("open_demo",open_binary)

运行结果

可以看出，干扰点被去除了

还可以利用开操作去除水平线或垂直线，去除哪个线就改变哪个的值

kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 1))#去除垂直线

kernel = cv.getStructuringElement(cv.MORPH_RECT, (1, 15))#去除水平线

kernel=cv.getStructuringElement(cv.MORPH_RECT,(9,9))去除干扰线

闭操作

闭操作=膨胀+腐蚀，输入图像+结构元素

闭操作先膨胀，后腐蚀

特点：可以填充闭合区域

开闭操作还可以用于水平线或垂直线的提取，进而去除干扰线

#闭操作，填充闭合区域
def close_demo(image):
    print(image.shape)
    gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    ret,binary=cv.threshold(gray,0,255,cv.THRESH_BINARY_INV|cv.THRESH_OTSU)
    cv.imshow("close_binary",binary)
    kernel=cv.getStructuringElement(cv.MORPH_RECT,(10,10))
    close_binary=cv.morphologyEx(binary,cv.MORPH_CLOSE,kernel)
    cv.imshow("close_demo",close_binary)

运行结果

可以看出，闭合区域被填充了

完整代码

import cv2 as cv
import numpy as np


#开操作，去除干扰块
def open_demo(image):
    print(image.shape)
    gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    ret,binary=cv.threshold(gray,0,255,cv.THRESH_BINARY_INV|cv.THRESH_OTSU)
    cv.imshow("open_binary",binary)
    kernel=cv.getStructuringElement(cv.MORPH_RECT,(9,9))#去除干扰
    #kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 1))#去除垂直线
    #kernel = cv.getStructuringElement(cv.MORPH_RECT, (1, 15))#去除水平线
    open_binary=cv.morphologyEx(binary,cv.MORPH_OPEN,kernel)
    cv.imshow("open_demo",open_binary)


#闭操作，填充闭合区域
def close_demo(image):
    print(image.shape)
    gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    ret,binary=cv.threshold(gray,0,255,cv.THRESH_BINARY_INV|cv.THRESH_OTSU)
    cv.imshow("close_binary",binary)
    kernel=cv.getStructuringElement(cv.MORPH_RECT,(10,10))
    close_binary=cv.morphologyEx(binary,cv.MORPH_CLOSE,kernel)
    cv.imshow("close_demo",close_binary)


src = cv.imread("D:/OpenCV/opencv/sources/samples/data/A.png")
src1 = cv.imread("D:/OpenCV/opencv/sources/samples/data/ABCD.png")
open_src = cv.imread("D:/OpenCV/opencv/sources/samples/data/pic2.png")
close_src = cv.imread("D:/OpenCV/opencv/sources/samples/data/pic1.png")
cv.namedWindow("input image1", cv.WINDOW_AUTOSIZE)
cv.imshow("input image1", src1)
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
cv.namedWindow("input open_image", cv.WINDOW_AUTOSIZE)
cv.imshow("input open_image", open_src)
cv.namedWindow("input close_image", cv.WINDOW_AUTOSIZE)
cv.imshow("input close_image", close_src)
#open_demo(src)
open_demo(src1)
#open_demo(open_src)
#close_demo(close_src)
cv.waitKey(0)
cv.destroyAllWindows()
print("Hi,python!")

函数补充说明

open_binary=cv.morphologyEx(binary,cv.MORPH_OPEN,kernel)
close_binary=cv.morphologyEx(binary,cv.MORPH_CLOSE,kernel)

void morphologyEx(InputArray src, OutputArray dst, int op, InputArray kernel, Point anchor=Point(-1,-1), intiterations=1, int borderType=BORDER_CONSTANT, const Scalar& borderValue=morphologyDefaultBorderValue() )

函数参数：

第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像位深应该为以下五种之一：CV_8U,CV_16U,CV_16S, CV_32F 或CV_64F。

第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。

第三个参数，int类型的op，表示形态学运算的类型，可以是如下之一的标识符：
MORPH_OPEN – 开运算（Opening operation）
MORPH_CLOSE – 闭运算（Closing operation）
MORPH_GRADIENT -形态学梯度（Morphological gradient）
MORPH_TOPHAT - “顶帽”（“Top hat”）
MORPH_BLACKHAT - “黑帽”（“Black hat“）

第四个参数，InputArray类型的kernel，形态学运算的内核。若为NULL时，表示的是使用参考点位于中心3x3的核。我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵）。

第五个参数，Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于中心。
第六个参数，int类型的iterations，迭代使用函数的次数，默认值为1。

第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_ CONSTANT。

第八个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。