《OpenCV算法精解——基于Python与C++》第七章形态学处理

第七章形态学处理总结

Github地址
形态学处理主要对图像处理，提取高亮区域的暗部，提取暗部区域的高光。

基础构建结构元element：

• element = cv2.getStructuringElement(shape,ksize)
• shape: cv2.MORPH_RECT(矩形）,cv2.MORPH_ELLIPSEM(椭圆形),cv2.MORPH_CROSS(十字交叉形）

7.1_腐蚀：领域最小灰度做输出灰度。图像亮度降低。亮度区域减小。

• dst = cv2.erode(src,element,iterations迭代次数）

7.2_膨胀：领域最大灰度做输出灰度。图像亮度提高。亮度区域增加。

• dst = cv2.dilate(src,element,iterations)

7.3/7.4_开运算&闭运算&白顶帽&黑底帽&形态学梯度

• 开运算: erode * dilate，消除暗部高亮区域，不改变面积情况下平滑边界

• 闭运算：dilate * erode，消除高光部分的暗部，多次迭代处理不改变面积情况平滑边界

• 白顶帽：src - open，得到暗部被消除的高光

• 黑底帽：src - close,得到高光消除的暗部

• 形态学梯度：dilate - erode,边缘检测作用

• dst = cv2.morphologyEx(src,op,element)

  • MORPH_OPEN:开运算
  • MORPH_CLOSE:闭运算
  • MORPH_TOPHAT:顶帽运算
  • MORPH_BLACKHAT：底帽运算
  • MORPH_GRADIENT:梯度运算

7.3还介绍了OpenCV用调节条实时调节结构元半径&迭代次数

7.1_腐蚀erode

本章形态学用来优化分割区域的形状以达到更好的效果。

腐蚀：原理同中值平滑，但选取领域内最小值作为输出灰度。总体亮度平均值会降低。

• erode(src,element[, dst[, anchor锚点[, iterations迭代次数[, borderType边界扩充类型镜像最好[, borderValue]]]]])

仅需要调节element结构元，与iterations迭代次数即可，其他默认

element为结构元，有三种形状:cv2.MORPH_RECT(矩形）,cv2.MORPH_ELLIPSEM(椭圆形),cv2.MORPH_CROSS(十字交叉形）

• cv2.getStructuringElement(shape, ksize[, anchor])

#-*- coding:utf-8 -*-
import cv2
import matplotlib.pyplot as plt
I = cv2.imread("img2.jpg",0)

#创建3*3,
s3 = cv2.getStructuringElement(cv2.MORPH_RECT,(3,3))
#腐蚀图像，迭代次数默认为1
r3 = cv2.erode(I,s3)
#边界提取
e3 = I - r3

#7*7尺寸结构元
s7 = cv2.getStructuringElement(cv2.MORPH_RECT,(7,7))
r7 = cv2.erode(I,s7)
e7 = I - r7 
#11*11尺寸结构元
s11 = cv2.getStructuringElement(cv2.MORPH_RECT,(11,11))
r11 = cv2.erode(I,s11)
e11 = I - r11 

#显示图像和腐蚀后结果,边界提取效果
for i in range(7):
    titles = ["src","dst3","dst7","dst11","edge3","edge7","edge11"]
    images = [I,r3,r7,r11,e3,e7,e11]
    plt.subplot(2,4,i+1)
    plt.title(titles[i])
    plt.imshow(images[i])
plt.show

效果很好，随着结构元尺寸增加，白色主体腐蚀越多，结构元形状也形如马赛克被凸显出来。

7.2_膨胀dilate

膨胀与腐蚀相反，选择领域最大灰度值作为输出。输出图像亮度平均值上升，亮部主体尺寸变大。

• cv2.dilate(src, element[, dst[, anchor[, terations[, borderType[, borderValue]]]]])

#-*- coding:utf-8 -*-
import cv2
import matplotlib.pyplot as plt
I = cv2.imread("img2.jpg",0)
cv2.imshow("I",I)
#结