数字图像处理(13): 形态学处理——图像开运算与图像闭运算

最新推荐文章于 2024-08-19 23:47:37 发布

TechArtisan6

最新推荐文章于 2024-08-19 23:47:37 发布

阅读量6.2w

点赞数 113

分类专栏：数字图像处理 Python 学习笔记数字图像处理专栏文章标签：数字图像处理 Python OpenCV

本文链接：https://blog.csdn.net/zaishuiyifangxym/article/details/89791458

版权

数字图像处理同时被 3 个专栏收录

23 篇文章

订阅专栏

数字图像处理专栏

23 篇文章

订阅专栏

Python 学习笔记

19 篇文章

订阅专栏

前面介绍了形态学处理——图像腐蚀与图像膨胀，图像膨胀会扩大一幅图像的组成部分，而图像腐蚀会缩小一幅图像的组成部分。下面将继续介绍形态学处理中的开操作和闭操作。

开操作一般会平滑物体的轮廓、断开较窄的狭颈并消除细的突出物。

闭操作同样也会平滑轮廓的一部分。但与开操作相反，它通常会弥合较窄的间断和细长的沟壑，消除小的孔洞，填补轮廓线中的断裂。

1 图像开运算(先腐蚀，后膨胀)

1.1 基本原理

图像开运算是图像依次经过腐蚀、膨胀处理后的过程。图像被腐蚀后，去除了噪声，但是也压缩了图像；接着对腐蚀过的图像进行膨胀处理，可以去除噪声，并保留原有图像。如下图所示：

开运算：先腐蚀，后膨胀

下图借鉴是一篇博客写的开运算效果图：

1.2 代码示例

图像开运算使用函数 morphologyEx() ，它是形态学扩展的一组函数，其参数cv2.MORPH_OPEN对应开运算。

morphologyEx() 函数形式如下：

dst = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)

其中，参数：

dst 表示处理的结果；

src 表示原始图像；

cv2.MORPH_OPEN 表示开运算；

kernel 表示卷积核。

例如下图表示 5 $\times$ 5 的卷积核，可以采用函数 np.ones((5,5), np.uint8) 构建。

（1）卷积核大小为5 $\times$ 5

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np

#读取图片
src = cv2.imread('test3.bmp', cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((5,5), np.uint8)

#图像开运算
result = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下图所示：

由上面结果可以看到，仍然有噪声存在，可以将增大卷积核的大小。

（2）卷积核大小为25 $\times$ 25

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np

#读取图片
src = cv2.imread('test3.bmp', cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((25,25), np.uint8)

#图像开运算
result = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下图所示：

2 图像闭运算(先膨胀，后腐蚀)

2.1 基本原理

图像闭运算是图像依次经过膨胀、腐蚀处理后的过程。图像先膨胀，后腐蚀，它有助于关闭前景物体内部的小孔，或物体上的小黑点。如下图所示：

闭运算：先膨胀，后腐蚀

下图借鉴是一篇博客写的开运算效果图：

2.2 代码示例

图像闭运算使用函数 morphologyEx() ，它是形态学扩展的一组函数，其参数 cv2.MORPH_CLOSE 对应闭运算。

morphologyEx() 函数形式如下：

dst = cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernel)

其中，参数：

dst 表示处理的结果；

src 表示原图像；

cv2.MORPH_CLOSE 表示闭运算；

kernel表示卷积核。

例如，下图表示 5 $\times$ 5 的卷积核，可以采用函数 np.ones((5,5), np.uint8) 构建。

（1）卷积核大小为 5 $\times$ 5

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np

#读取图片
src = cv2.imread('test4.bmp', cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((5,5), np.uint8)

#图像闭运算
result = cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernel)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下图所示：

由上面结果可以看到，噪声仍有一处存在，可以将增大卷积核的大小。

（2）卷积核大小为 7 $\times$ 7

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np

#读取图片
src = cv2.imread('test4.bmp', cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((7,7), np.uint8)

#图像闭运算
result = cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernel)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下图所示：

3 图像梯度运算(膨胀 — 腐蚀)

3.1 基本原理

图像梯度运算是膨胀图像减去腐蚀图像的结果，得到图像的轮廓，其中二值图像1表示白色点，0表示黑色点。如下图所示：

梯度运算：膨胀图像 — 腐蚀图像

3.2 代码示例

图像梯度运算使用的函数 morphologyEx()，其参数 cv2.MORPH_GRADIENT 对应 梯度运算

morphologyEx() 函数形式如下：

dst = cv2.morphologyEx(src, cv2.MORPH_GRADIENT, kernel)

其中，参数：

dst表示处理的结果；，

src表示原图像；，

cv2.MORPH_GRADIENT表示梯度运算；，

kernel表示卷积核。

例如，下图表示 5 $\times$ 5 的卷积核，可以采用函数 np.ones((5,5), np.uint8) 构建。

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np

#读取图片
src = cv2.imread('test4.bmp', cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((7,7), np.uint8)

#图像闭运算
result = cv2.morphologyEx(src, cv2.MORPH_GRADIENT, kernel)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下图所示：