图像形态学操作

---

形态学是从图像中提取分量信息，得到图像最本质的特征。形态学操作主要包括：腐蚀，膨胀，开运算，闭运算，，形态学梯度，礼帽运算，黑帽运算。腐蚀和膨胀是基础，其他运算都是二者的混合运算。

一.腐蚀

顾名思义，所谓腐蚀就是清除掉图像的一些毛刺和细节。其本质上也是一种空间滤波，设定一个掩模，掩模中心逐次滑过每一个像素点，当前像素点（即掩模中心所对应的位置）的值设为掩模覆盖区域中像素的最小值。
opencv中提供的腐蚀处理函数为cv2.erode()，其语法格式为：

dst=cv2.erode(src,kernel,[anchor[,iterations[,borderType)

参数说明：
dst：目标输出图像
src：原始输入图像
kernel：核即掩模的结构，可以自定义生成。
anchor：瞄点，即当前像素点在掩模中的对应位置，一般默认为（-1，-1），即在核的中心。
iteration：迭代次数，即进行掩模的次数。
borderType：边间像素的处理方式。
使用数组演示掩模的原理：

import cv2
import numpy as np
arr=np.zeros((5,5),dtype=np.uint8)
arr[1:4,1:4]=1
kernel=np.array([[1],[1],[1]])
arr1=cv2.erode(arr,kernel)
print("arr",arr)
print("arr1",arr1)

运行结果：

image=np.ones((5,5),dtype=np.uint8)
image[2,1:4]=0
image1=cv2.erode(image,kernel)
print("image",image)
print("image1",image1)

运行结果：

用图像演示掩模的效果：

image=cv2.imread("wb3.png")
kernel=np.ones((3,3))
erosion=cv2.erode(image,kernel)
cv2.imshow("image",image)
cv2.imshow("erosion",erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

二.膨胀

顾名思义，所谓膨胀就是扩大图像的一些毛刺和细节。其本质上也是一种空间滤波，设定一个掩模，掩模中心逐次滑过每一个像素点，当前像素点（即掩模中心所对应的位置）的值设为掩模覆盖区域中像素的最大值。
opencv中提供的腐蚀处理函数为cv2dilate()，其语法格式为：

dst=cv2.dilate(src,kernel,[anchor[,iterations[,borderType)

参数说明：
dst：目标输出图像
src：原始输入图像
kernel：核即掩模的结构，可以自定义生成。
anchor：瞄点，即当前像素点在掩模中的对应位置，一般默认为（-1，-1），即在核的中心。
iteration：迭代次数，即进行掩模的次数。
borderType：边间像素的处理方式。
使用数组演示掩模的原理：

import cv2
import numpy as np
arr=np.zeros((5,5),dtype=np.uint8)
arr[1:4,1:4]=255
kernel=np.array([[1],[1],[1]])
arr1=cv2.dilate(arr,kernel)
print("arr",arr)
print("arr1",arr1)

运行结果：

用图像演示掩模的效果：

image=cv2.imread("wb3.png")
kernel=np.ones((3,3))
erosion=cv2.dilate(image,kernel,iterations=5)
cv2.imshow("image",image)
cv2.imshow("erosion",erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

三.通用形态学操作函数

其他形态学操作为以上两种操作的不同组合，opencv提供了通用性形态学操作函数cv2.morphologyEx()，其可以通过不同参数实现不同的操作。
函数语法格式：

dst=cv2.morphologyEx(src,op,kernel,,[anchor[,iterations[,borderType)

参数说明：
dst：目标输出图像
src：原始输入图像
op：代表操作类型，常见形式有：

kernel：核即掩模的结构，可以自定义生成。
anchor：瞄点，即当前像素点在掩模中的对应位置，一般默认为（-1，-1），即在核的中心。
iteration：迭代次数，即进行掩模的次数。
borderType：边间像素的处理方式。

四.开运算

开运算是先将图像腐蚀，在对腐蚀的图像进行膨胀。其可以用于去噪，即先腐蚀去噪，在膨胀，使图像除噪声外的其他点恢复原状。还可以用于计数，因为其可以将图像中相连的地方进行分开。
用于去噪：

image=cv2.imread("wb1.png")
image=255-image
kernel=np.ones((3,3))
after=cv2.morphologyEx(image,cv2.MORPH_OPEN,kernel)
cv2.imshow("image",image)
cv2.imshow("after",after)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

五.闭操作

闭操作与开操作相反，其是先进膨胀，再对膨胀后的图像进行腐蚀。其可以用于取出图像内部的一些小黑点，也可以将两个相距很近的图形进行相连。

1.去除黑点

image=cv2.imread("wb6.png")
image=255-image
kernel=np.ones((9,9))
after=cv2.morphologyEx(image,cv2.MORPH_CLOSE,kernel)
cv2.imshow("image",image)
cv2.imshow("after",after)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

2.将断开物体相连

image=cv2.imread("wb5.png")
image=255-image
kernel=np.ones((50,50))
after=cv2.morphologyEx(image,cv2.MORPH_CLOSE,kernel)
cv2.imshow("image",image)
cv2.imshow("after",after)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

#六.形态学梯度
梯度就是用膨胀后的图像减去腐蚀后的图像，这样就可以得到原始图像的边界。

image=cv2.imread("wb6.png")
image=255-image
kernel=np.ones((5,5))
gradient=cv2.morphologyEx(image,cv2.MORPH_GRADIENT,kernel)
cv2.imshow("image",image)
cv2.imshow("after",gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

七.礼帽操作

礼帽就是用原始图像减去开运算后的结果，这样就可以得到原始图像的噪声信息。

image=cv2.imread("wb3.png")
kernel=np.ones((5,5))
tophat=cv2.morphologyEx(image,cv2.MORPH_TOPHAT,kernel)
cv2.imshow("image",image)
cv2.imshow("after",tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

七.黑帽操作

礼帽就是用闭运算的结果减去原始图像的结果，这样就可以得到原始图像的黑点或小孔信息。

image=cv2.imread("wb6.png")
image=255-image
kernel=np.ones((5,5))
after=cv2.morphologyEx(image,cv2.MORPH_BLACKHAT,kernel)
cv2.imshow("image",image)
cv2.imshow("after",after)
cv2.waitKey(0)
cv2.destroyAllWindows()