形态学处理

一、实验目的

1. 学会在图像的形态学基本操作

2. 学会腐蚀和膨胀

3. 学会开闭运算

二、实验内容 

第 1 部分：读入图片

import cv2
import numpy as np
img = cv2.imread("./j.png",0)
cv2.imshow("qxr",img)
cv2.waitKey(0)

第 2 部分：定义结构元素 

import cv2
import numpy as np
img = cv2.imread("./j.png",0)
#k= cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))  # 矩形结构
#k = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))  # 椭圆结构
#k= cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 5))  # 十字形结构
dst = cv2.erode(img,k,iterations = 1)
cv2.imshow("src",img)
cv2.imshow("qxr",dst)
cv2.waitKey(0)

第 3 部分：进行腐蚀膨胀操作

#膨胀
import cv2
import numpy as np
img=cv2.imread("./j.png",0)
k=np.ones((5,5),np.uint8)
dst=cv2.dilate(img,k,iterations=1)
cv2.imshow('src',img)
cv2.imshow('qxr',dst)
cv2.waitKey(0)

#腐蚀
import cv2
import numpy as np
img=cv2.imread("./j.png",0)
k=np.ones((5,5),np.uint8)
dst=cv2.erode(img,k,iterations=1)
cv2.imshow('src',img)
cv2.imshow('qxr',dst)
cv2.waitKey(0)

第 4 部分：对图像进行开闭运算

#开运算
import cv2
import numpy as np
img = cv2.imread("./2.png",0)
k = np.ones((50,50),np.uint8)
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, k)
cv2.imshow("qxr",opening)
cv2.waitKey(0)

#闭运算
import cv2
import numpy as np
img = cv2.imread("./3.png",0)
k = np.ones((10,10),np.uint8)
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, k)
cv2.imshow("qxr",closing)
cv2.waitKey(0)

三、实验过程

第 1 部分：读入图片

第 2 部分：定义结构元素 

第 3 部分：进行腐蚀膨胀操作

第 4 部分：对图像进行开闭运算

四、思考与总结

膨胀操作是形态学中另外一种基本的操作。膨胀操作和腐蚀操作的作用是相反的，膨胀操作能对图像的边界进行扩张。膨胀操作将与当前对象（前景）接触到的背景点合并到当前对象内，从而实现将图像的边界点向外扩张。如果图像内两个对象的距离较近，那么在膨胀的过程中，两个对象可能会连通在一起。膨胀操作对填补图像分割后图像内所存在的空白相当有帮助。

在OpenCV内，采用函数cv2.dilate()实现对图像的膨胀操作

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

式中：

dst代表膨胀后所输出的目标图像，该图像和原始图像具有同样的类型和大小。

src代表需要进行膨胀操作的原始图像。图像的通道数可以是任意的，但是要求图像的深度必须是CV_8U、CV_16U、CV_16S、CV_32F、CV_64F中的一种。

element代表膨胀操作所采用的结构类型。它可以自定义生成，也可以通过函数cv2.getStructuringElement()生成。

参数kernel、anchor、iterations、borderType、borderValue与函数cv2.erode()内相应参数的含义一致。