[图像形态学操作]——腐蚀和膨胀、开闭运算、黑帽礼帽

形态学转换是基于图像形状的一些简单操作，它通常在二进制图像上执行。腐蚀和膨胀是两个基本的形态学运算符。然后它的变体形式如：开运算、闭运算、礼帽黑帽等。

一、连通性

在图像学当中，图像的最小单位是像素，每个像素周围有8个邻接像素，常见的邻接关系有3种：4领接、D邻接和8邻接

连通性是描述区域和边界的重要概念，两个像素连通的两个必要条件是： 

1、两个像素的位置是否相邻

2、两个像素的灰度值是否满足特定的相似性准则（或者是否相等）

根据连通性的定义，有4连通、8连通和m连通三种

1、4连通和8连通

2、m连通

注：下图中红色代表与p、q像素值相同的像素点，即值为V的像素

二、腐蚀和膨胀

腐蚀和膨胀是最基本的形态学操作，腐蚀和膨胀都是针对白色部分（高亮部分）而言的。

膨胀就是使图像中高亮部分扩张，效果图拥有比原图更大的高亮区域；腐蚀是原图中的高亮区域被蚕食，效果图拥有比原图更小的高亮区域。膨胀是求局部最大值的操作，腐蚀是求局部最小值的操作。

1、腐蚀

具体操作是：用一个结构元素扫描图像中的每一个元素，用结构元素中的每一个像素与其覆盖的像素做 "与" 操作，如果都是1，则该像素为1，否则为0，如下图所示，结构A被解构B腐蚀后：

注：在结构A中，对于任意一个像素只要其本身和对应上下左右位置 “与” 操作都为1，就保留该像素

（1）API

2、膨胀

具体的操作是：用一个结构元素扫描图像中的每一个像素，用结构元素中的每一个像素与其覆盖的像素做 “与” 操作，如果都为0，则该像素为0，否则为1，如下图所示，结构A被结构B膨胀后：

（1）API

3、腐蚀和膨胀简单使用

注：使用5x5的核结构对卷积进行腐蚀和膨胀操作

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
from matplotlib import font_manager
#设置字体
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/STHUPO.TTF")
#1、读取图像
img = cv.imread("images/j.png")

#2、创建核结构
kernel = np.ones((5,5), np.uint8)

#3、图像腐蚀和膨胀
erosion = cv.erode(img, kernel) #腐蚀
dilate = cv.dilate(img, kernel) #膨胀

#4、图像显示
fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(10,8), dpi=100)
axes[0].imshow(img)
axes[0].set_title("原图", fontproperties=my_font)
axes[1].imshow(erosion)
axes[1].set_title("腐蚀后的结果", fontproperties=my_font)
axes[2].imshow(dilate)
axes[2].set_title("膨胀后的结果", fontproperties=my_font)
plt.show()

 三、开闭运算

开运算和闭运算是将腐蚀和膨胀按照一定的次序进行处理。但两者并不是可逆的，即先开后闭并不能得到原来的图像。

1、开运算

开运算是先腐蚀后膨胀，其作用是：分离物体，消除小区域。特点是：消除噪点，去除小的干扰块，而不影响原来的图像。

2、闭运算

闭运算与开运算相反，是先膨胀后腐蚀，作用是：消除/ “闭合”物体里的孔洞。特点是：可以填充闭合区域。

3、开闭运算API

4、简单案例

注：使用10x10的核结构对卷积进行开闭运算的实现。

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
from matplotlib import font_manager
#设置字体
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/STHUPO.TTF")

#1、读取图像
img1 = cv.imread("./images/opening1.png")
img2 = cv.imread("./images/closing1.png")

#2、创建核结构
kernel = np.ones((10,10), np.uint8)

#3、图像的开闭运算
cvOpen  = cv.morphologyEx(img1, cv.MORPH_OPEN, kernel) #开运算 消除噪点
cvClose = cv.morphologyEx(img2, cv.MORPH_CLOSE, kernel)#闭运算 填补空洞

#4、图像显示
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10,8))
axes[0,0].imshow(img1)
axes[0,0].set_title("原图", fontproperties=my_font)
axes[0,1].imshow(cvOpen)
axes[0,1].set_title("开运算结果", fontproperties=my_font)
axes[1,0].imshow(img2)
axes[1,0].set_title("原图", fontproperties=my_font)
axes[1,1].imshow(cvClose)
axes[1,1].set_title("闭运算结果", fontproperties=my_font)
plt.show()

四、黑帽礼帽

1、礼帽

2、黑帽

 3、API

4、简单案例

注：使用10x10的核结构对卷积进行开闭运算的实现。

import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv
from matplotlib import font_manager
#字体设置
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/STHUPO.TTF")

#1、读取图像
img1 = cv.imread("./images/opening1.png")
img2 = cv.imread("./images/closing1.png")

#2、创建核结构
kernel = np.ones((10,10), np.uint8)

#3、图像的礼帽和黑帽运算
cvOpen = cv.morphologyEx(img1, cv.MORPH_TOPHAT, kernel)   #礼帽运算
cvClose = cv.morphologyEx(img2, cv.MORPH_BLACKHAT, kernel)#黑帽运算

#4、图像显示
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10,8))
axes[0,0].imshow(img1)
axes[0,0].set_title("原图", fontproperties=my_font)
axes[0,1].imshow(cvOpen)
axes[0,1].set_title("礼帽运算结果", fontproperties=my_font)
axes[1,0].imshow(img2)
axes[1,0].set_title("原图", fontproperties=my_font)
axes[1,1].imshow(cvClose)
axes[1,1].set_title("黑帽运算结果", fontproperties=my_font)
plt.show()