OpenCV-Python 中文教程12——形态学转换

形态学操作的具体原理见网址：http://homepages.inf.ed.ac.uk/rbf/HIPR2/morops.htm

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

• 学习函数cv2.erode()， cv2.dilate()， cv2.morphologyEx()等

原理

形态学操作是根据图像形状进行的简单操作，一般情况下对二值化图像进行的操作。需要输入两个参数，一个是原始图像，第二个被称为结构化元素或核，它可用来决定操作的性质。两个基本的形态学操作是腐蚀和膨胀，其构成了开运算，闭运算，梯度等。

结构化元素

使用 Numpy 构建了结构化元素，它是正方形的。但有时我们需要构建一个椭圆形/圆形的核。为了实现这种要求，提供了 OpenCV函数 cv2.getStructuringElement()只，需要输入核的形状和大小即可。

# Rectangular Kernel
>>> cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
array([[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1]], dtype=uint8)
# Elliptical Kernel
>>> cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
array([[0, 0, 1, 0, 0],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[0, 0, 1, 0, 0]], dtype=uint8)
# Cross-shaped Kernel
>>> cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
array([[0, 0, 1, 0, 0],
[0, 0, 1, 0, 0],
[1, 1, 1, 1, 1],
[0, 0, 1, 0, 0],
[0, 0, 1, 0, 0]], dtype=uint8)

1、腐蚀

就像土壤侵蚀一样，这个操作会把前景物体的边界腐蚀掉（但是前景仍然是白色）。这是怎么做到的呢？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。这会产生什么影响呢？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。这对于去除白噪声很有用，也可以用来断开两个连在一块的物体等。这里有一个例子，使用一个 5x5 的卷积核，其中所有的值都是1，具体工作如下：

原图：

腐蚀代码：

import cv2
import numpy as np

img = cv2.imread('phi.jpg',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)

cv2.namedWindow("erosion")
cv2.imshow("erosion",erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

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的白色区域（前景）。一般在去噪声时先用腐蚀再用膨胀。因为腐蚀在去掉白噪声的同时，也会使前景对象变小，所以再对他进行膨胀。这时噪声已被去除，不会再有，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。

import cv2
import numpy as np

img = cv2.imread('phi.jpg',0)
kernel = np.ones((5,5),np.uint8)

dilation = cv2.dilate(img,kernel,iterations = 1)
cv2.namedWindow("dilation")
cv2.imshow("dilation",dilation)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

3、开运算

先进性腐蚀再进行膨胀就叫做开运算。就像我们上面介绍的那样，它被用来去除噪声。这里我们用到的函数是 cv2.morphologyEx()。

import cv2
import numpy as np

img = cv2.imread('phi.jpg',0)
kernel = np.ones((5,5),np.uint8)
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

cv2.namedWindow("opening")
cv2.imshow("opening",opening)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

4、闭运算

先膨胀再腐蚀叫做闭运算。它经常被用来填充前景物体中的小洞，或者前景物体上的小黑点。

import cv2
import numpy as np

img = cv2.imread('phi.jpg',0)
kernel = np.ones((5,5),np.uint8)
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

cv2.namedWindow("closing")
cv2.imshow("closing",closing)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

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。

import cv2
import numpy as np

img = cv2.imread('phi.jpg',0)
kernel = np.ones((5,5),np.uint8)
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

cv2.namedWindow("gradient")
cv2.imshow("gradient",gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

6、顶帽

原始图像与进行开运算之后得到的图像的差。下面的例子是用一个 5x5的核进行礼帽操作的结果。

import cv2
import numpy as np

img = cv2.imread('phi.jpg',0)
kernel = np.ones((5,5),np.uint8)
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

cv2.namedWindow("tophat")
cv2.imshow("tophat",tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

7、底帽

进行闭运算之后得到的图像与原始图像的差。

import cv2
import numpy as np

img = cv2.imread('phi.jpg',0)
kernel = np.ones((5,5),np.uint8)
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

cv2.namedWindow("blackhat")
cv2.imshow("blackhat",blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

8、形态学操作之间的关系

OpenCV-Python 中文教程12——形态学转换

猜你喜欢