1.腐蚀和膨胀
形态学操作一般用于处理二值化图像
腐蚀用来去掉图像边缘的一些细小突起/刺状物,膨胀可用于对腐蚀后的图像进行恢复。
import cv2
import numpy as np
#1.腐蚀
img=cv2.imread('test.jpg')#图像一般为二值化图像
kernel=np.ones((3,3),np.uint8)
erosion=cv2.erode(img,kernel,iterations=1)
#erode进行腐蚀操作,用kernel作为卷积核,iterations为迭代次数,迭代次数越多,或者卷积核越大
#腐蚀效果越明显
#2.膨胀
dil=cv2.dilate(img,kernel,iterations=1)
#dilate进行膨胀操作,用kernel作为卷积核,iterations为迭代次数,同理可使膨胀效果越明显
2.开、闭运算
开运算:先腐蚀再膨胀
闭运算:先膨胀再腐蚀
import cv2
import numpy as np
img=cv2.imread('test.jpg')
#开运算
kernel=np.ones((3,3),np.uint8)
opening=cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)
#闭运算
closing=cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)
3.梯度运算
梯度=膨胀-腐蚀
import cv2
import numpy as np
img=cv2.imread('test.jpg')
kernel=np.ones((3,3),np.uint8)
gradient=cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)
#对比腐蚀和膨胀的结果
erosion=cv2.erode(img,kernel,iterations=1)
dil=cv2.dilate(img,kernel,iterations=1)
res=np.hstack((dil,erosion,gradient))
cv2.imshow('res',res)
cv2.waitKey(0)
cv2.destroyAllWindow()
4.礼帽与黑帽
礼帽=原始输入-开运算结果
黑帽=闭运算结果-原始输入
import cv2
import numpy as np
img=cv2.imread('test.jpg')
kernel=np.ones((3,3),np.uint8)
#礼帽
tophat=cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)
#黑帽
blackhat=cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)