Opencv图像处理系列 ——3.图像的形态学操作（一）

本节我们将介绍如实使用OpenCV进行图像的形态学操作，包括图像的腐蚀和膨胀，以及图像的开运算闭运算。

1.图像的腐蚀操作

OpenCV中的腐蚀操作的函数为:

erosion_img = cv2.erode(img_ori, kernel, iterations=1)

其中img_ori为原图像，kernel为腐蚀的滤波核，iterations为腐蚀迭代操作的次数，erosion_img为腐蚀后的图像。
图像的腐蚀是有方向性的，腐蚀的本质就是黑吃白，即数值较小的（较黑的）吃掉数值较大的（较白的），下面我们给出两个例子来体现腐蚀的这一特性，帮助理解。

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\..\Pictures\Saved Pictures\liuge2.jpg')
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

#腐蚀操作，黑色侵蚀白色
kernel = np.ones((5, 5), np.uint8)
erosion1 = cv2.erode(img, kernel, iterations=1)
cv2.imshow('erosion1 ', erosion1 )
cv2.waitKey(0)
cv2.destroyAllWindows()

原图像的输出结果为：

对该图像进行一次腐蚀操作的结果为：

我们可以看到白色“刘哥”上面的毛刺有效的较少了一部分，我们可以加大迭代的次数把毛刺完全消除；下面展示下两次三次迭代的代码和效果：

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\...\Pictures\Saved Pictures\liuge2.jpg')
cv2.namedWindow("img", cv2.WINDOW_NORMAL)
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

#腐蚀操作
kernel = np.ones((5, 5), np.uint8)
erosion1 = cv2.erode(img, kernel, iterations=1)
erosion2 = cv2.erode(img, kernel, iterations=2)
erosion3 = cv2.erode(img, kernel, iterations=3)
res = np.hstack((erosion1, erosion2, erosion3))
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

对应效果为：

可以发现我们通过增加迭代次数，使得黑色对白色的腐蚀加重去掉了毛刺。
下面我们在看一组腐蚀操作，只是换了一副输入的图像：

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\..\Pictures\Saved Pictures\liuge1.jpg')
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

#腐蚀操作，黑色侵蚀白色
kernel = np.ones((5, 5), np.uint8)
erosion1 = cv2.erode(img, kernel, iterations=1)
cv2.imshow('erosion1 ', erosion1 )
cv2.waitKey(0)
cv2.destroyAllWindows()

此时我们的输入原图像为：

与之前的图像相比只是文字与背景的颜色发生的对换，此时我们我们对赐福图像腐蚀后的结果为：

腐蚀后发现毛刺并没有消失而是加重了，且刘哥整体也加粗加重了，此时腐蚀也是黑色区域对白色区域进行腐蚀，腐蚀是有方向性的，黑色侵蚀白色。
此时如果我们想处理掉图像对应的毛刺，就需要与腐蚀相对应的膨胀操作。

2.图像的膨胀操作

OpenCV中的腐蚀操作的函数为:

erosion_img = cv2.dilate(img_ori, kernel, iterations=1)

其中img_ori为原图像，kernel为对应的滤波核，iterations为膨胀迭代操作的次数，erosion_img为膨胀操作后的图像。
我们使用膨胀操作来处理白色背景的黑字“刘哥”：

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\..\Pictures\Saved Pictures\liuge.jpg')
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

#腐蚀操作，黑色侵蚀白色
kernel = np.ones((5, 5), np.uint8)
dilate1= cv2.dilate(img, kernel, iterations=1)
cv2.imshow('dilate1', dilate1)
cv2.waitKey(0)
cv2.destroyAllWindows()

此时对图像膨胀后结果如下：

我们通过膨胀操作有效去除了图片中的毛刺，要想保留原图像中刘哥的字体大小粗细，我们可以再做一次反向操作，例如此图，我们就可以在进行一次腐蚀操作，如下：

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\..\Pictures\Saved Pictures\liuge.jpg')
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

#腐蚀操作，黑色侵蚀白色
kernel = np.ones((5, 5), np.uint8)
dilate1= cv2.dilate(img, kernel, iterations=1)
result = cv2.erode(dilate1, kernel, iterations=1)
cv2.imshow('result ', result )
cv2.waitKey(0)
cv2.destroyAllWindows()

先膨胀在腐蚀后的结果为：

通过先膨胀在腐蚀的操作，或先腐蚀在膨胀的操作(根据图像特点去判断)来去除图像中的一些划痕，污渍，毛刺等。