OpenCV-Python学习笔记6:图像形态学转化

原文为段立辉翻译，感谢Linux公社
此文档为自学转述，如有侵权请联系本人。

目标：

• 学习不同的形态学操作，例如腐蚀，膨胀，开运算，闭运算等

• 学习的函数有:cv2.erode()，cv2.dilate()，cv2.morphologyEx() 等

形态学转换原理：一般情况下对二值化图像进行操作。需要两个参数，一个是原始图像，第二个被称为结构化元素或者核，它是用来决定操作的性质的。基本操作为腐蚀和膨胀，他们的变体构成了开运算，闭运算，梯度等。

1、腐蚀

把前景物体的边界腐蚀掉，但是前景仍然是白色的。卷积核沿着图像滑动，如果与卷积核对应的原图像的所有像素值都是1，那么中心元素就保持原来的像素值，否则就变为零。根据卷积核的大小靠近前景的所有像素都会被腐蚀掉（变为0），所以前景物体会变小，整幅图像的白色区域会减少。这对于去除白噪音很有用，也可以用来断开两个连在一块的物体。

erosion = cv2.erode(img, kernel, iterations=1)

2、膨胀

与腐蚀相反，与卷积核对应的原图像的像素值中只要有一个是1，中心元素的像素值就是1。所以这个操作会增加图像中白色区域（前景）。一般在去噪音时先腐蚀再膨胀，因为腐蚀再去掉白噪音的同时，也会使前景对象变小，所以我们再膨胀。这时噪音已经被去除，不会再回来了，但是前景还在并会增加，膨胀也可以用来连接两个分开的物体。

dilation = cv2.dilate(img, kernel, iterations=1)

3、开运算

先进行腐蚀再进行膨胀就叫做开运算。被用来去除噪音，函数可以使用cv2.morphotogyEx()

opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

4、闭运算

先膨胀再腐蚀。被用来填充前景物体中的小洞，或者前景上的小黑点。

closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

5、形态学梯度

其实就是一幅图像膨胀与腐蚀的差别。结果看上去就像前景物体的轮廓。

gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

6、礼帽

原始图像与进行开运算之后得到的图像的差。

tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

7、黑帽

进行闭运算之后得到的图像与原始图像的差。

blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

import cv2
import numpy as np

img = cv2.imread('./opencv_learn/image3.png',0)

kernel = np.ones((5,5),np.uint8)
# 腐蚀
erosion = cv2.erode(img, kernel, iterations=1)
# 膨胀
dilation = cv2.dilate(img, kernel, iterations=1)
# 开运算，先腐蚀在膨胀
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
# 闭运算，先膨胀在腐蚀
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
# 形态学梯度，腐蚀和膨胀的差别
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
# 礼貌，开运算后与原图的差
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
# 黑帽， 闭运算后与原图的差
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)


while(1):
    cv2.imshow('img',img)
    cv2.imshow('erosion',erosion)
    cv2.imshow('dilation', dilation)
    cv2.imshow('opening', opening)
    cv2.imshow('closing',closing)
    cv2.imshow('gradient',gradient)
    cv2.imshow('tophat', tophat)
    cv2.imshow('blackhat', blackhat)
    k = cv2.waitKey(1)
    if k == ord('q'):
        break

cv2.destroyAllWindows()

结构化元素

之前的例子都是使用numpy构建了结构化元素，但是是正方形的，若需要构建椭圆或者圆形的核，可以使用OpenCV提供的函数cv2.getStructuringElemenet()，只需要告诉它你需要的核的形状和大小。