openCV 学习笔记3 图像的形态学

1.图像的二值化

所谓阈值处理，就是给定一个阈值，当像素值比指定阈值大或小时做相关的操作。对应的API为:cv2.threshold(src,thresh,maxval,type,dst=None),几种type的作用：

cv2.THRESH_BINARY：若像素值大于阈值，则置为maxval；否则置0
cv2.THRESH_BINARY_INV：THRESH_BINARY的反转
cv2.THRESH_TRUNC：若像素值大于阈值，则置为阈值；否则不变
cv2.THRESH_TOZERO：小于阈值的部分置为0；其他不变
cv2.THRESH_TOZERO_INV：THRESH_TOZERO的反转
 

import cv2
import numpy
img = cv2.imread('dog.jpg')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#图像二值化，返回两个值，小于200的数值为0，大于200的数值为255
ret,img_binary = cv2.threshold(img_gray, 200,255, cv2.THRESH_BINARY)

cv2.imshow('binary',img_binary)
cv2.imshow('gray',img_gray)

img_gray

img_binary

2.腐蚀操作

        如右图，原图像和一个5X5的卷积核进行卷积，当卷积核内所有像素均为黑色像素时，卷积后的图像的中心点像素才为黑像素。图像经过腐蚀之后，边缘像素向内收缩。                                                                                    erode(img,ksize,iterations = 1)      iterations表示腐蚀的次数

kernel = np.ones((5,5),np.uint8)
img_erode = cv2.erode(img,kernel,iterations=3)

3.膨胀操作

        腐蚀对应的是膨胀，只要卷积核中间点像素不为0，则3x3的卷积核上的所有像素都不为0.

膨胀

 

 

#膨胀
kernel = np.ones((5,5),np.uint8)
img_dilate = cv2.dilate(img,kernel,iterations=1)

腐蚀和膨胀如果用的是白底黑字，则效果刚好相反

开运算：腐蚀+膨胀（顺序不能搞反）！！！！

开运算

         图像经过开运算后，胡椒噪点被抹去。

#开运算
img_morphology = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)

闭运算：膨胀+腐蚀（顺序不能搞反）！！！！

         闭运算是消除图像内的噪点       

 4.形态图梯度

        原图-腐蚀，得到的是图像的边缘，就像是用笔把边缘重新描摹了一下，而中间的像素被删掉了

形态学梯度

 

5.顶帽运算

        原图 - 开运算

顶帽运算

 去除大的白块，留下小的白块

#顶帽运算
img_hat = cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)

6.黑帽运算

        原图 - 闭运算

黑帽运算

保留图片内部的噪点 

 

#黑帽运算
img_blackhat = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)