二十 形态学操作

介绍

形态学操作其实就是改变物体的形状，比如腐蚀就是”变瘦”，膨胀就是”变胖”，看下图就明白了

形态学操作一般作用于二值化图，来连接相邻的元素或分离成独立的元素。腐蚀和膨胀是针对图片中的白色部分！

主要是应用在二值图像分析中，灰度图像亦可。

可以看做膨胀是将白色区域扩大，腐蚀是将黑色区域扩大

一、膨胀与腐蚀

相关函数

def getStructuringElement(shape, ksize, anchor=None): # real signature unknown; restored from __doc__

第一个参数shape:表示内核的形状，有三种形状可以选择

矩形：MORPH_RECT; 交叉形：MORPH_CORSS; 椭圆形：MORPH_ELLIPSE;

第二个参数ksize:是内核的尺寸(n,n)

第三个参数anchor:锚点的位置

getStructuringElement函数会返回指定形状和尺寸的结构元素。

1、腐蚀erode

腐蚀的效果是把图片”变瘦”，其原理是在原图的小区域内取局部最小值。因为是二值化图，只有0和255，所以小区域内有一个是0该像素点就为0，这样原图中边缘地方就会变成0，达到了瘦身目的。

OpenCV中用cv2.erode()函数进行腐蚀，只需要指定核的大小就行：

img = cv2.imread('j.bmp', 0)
kernel = np.ones((5, 5), np.uint8)
erosion = cv2.erode(img, kernel)  # 腐蚀

这个核也叫结构元素，因为形态学操作其实也是应用卷积来实现的。结构元素可以是矩形/椭圆/十字形，可以用cv2.getStructuringElement()来生成不同形状的结构元素，比如：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))  # 矩形结构
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))  # 椭圆结构
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 5))  # 十字形结构

代码实现

 1 import cv2 as cv
 2 import numpy as np
 3 
 4 def erode_image(image):
 5     print(image.shape)
 6     gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
 7     ret , binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU) #大律法获取二值图像
 8     cv.imshow('binary',binary)
 9     kernel = cv.getStructuringElement(cv.MORPH_RECT,(3,3))  #可以修改卷积核大小来增加腐蚀效果，越大腐蚀越强
10     dst = cv.erode(binary,kernel)
11     cv.imshow('erode_demo',dst)
12 
13 img = cv.imread('1.jpg')
14 cv.imshow('input image',img)
15 erode_image(img)
16 cv.waitKeyEx(0)
17 cv.destroyAllWindows()

2、膨胀dilate

膨胀与腐蚀相反，取的是局部最大值，效果是把图片”变胖”：

dilation = cv2.dilate(img, kernel)  # 膨胀

代码实现

 1 import cv2 as cv
 2 import numpy as np
 3 
 4 #膨胀就是白色部分变多
 5 def dilate_image(image):
 6     print(image.shape)
 7     gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
 8     ret , binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU) #大律法获取二值图像
 9     cv.imshow('binary',binary)
10     kernel = cv.getStructuringElement(cv.MORPH_RECT,(3,3))  #可以修改卷积核大小来增加腐蚀效果，越大膨胀越强
11     dst = cv.dilate(binary,kernel)
12     cv.imshow('dilate_demo',dst)
13 
14 img = cv.imread('1.jpg')
15 cv.imshow('input image',img)
16 dilate_image(img)
17 cv.waitKeyEx(0)
18 cv.destroyAllWindows()

3、可以不进行灰度处理，对彩色图片进行处理

（1）膨胀

kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))
dst = cv.dilate(src,kernel)
cv.imshow("result",dst)

（2）腐蚀

kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))
dst = cv.erode(src,kernel)
cv.imshow("result",dst)

二、开闭运算

1、开

先腐蚀后膨胀叫开运算（因为先腐蚀会分开物体，这样容易记住），其作用是：分离物体，消除小区域。

特点：消除噪点，去除小的干扰块，而不影响原来的图像

这类形态学操作用cv2.morphologyEx()函数实现：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))  # 定义结构元素
img = cv2.imread('j_noise_out.bmp', 0)
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)  # 开运算

代码实现

 1 import cv2 as cv
 2 import numpy as np
 3 
 4 def camp(val1,val2):
 5     pv = val1 + val2
 6     if pv > 255:
 7         return 255
 8     elif pv < 0:
 9         return 0
10     else:
11         return pv
12 
13 def open_demo(image):
14     gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)     #(h,w) = (576,1024)
15     print(gray.shape)
16     for i in range(1000):
17         h = np.random.random_integers(0,gray.shape[0]-1)    #因为返回的是闭区间内的随机整数，h是从0开始的，所以要减1
18         w = np.random.random_integers(0,gray.shape[1]-1)
19         value = np.random.random_integers(0,255)        #随机添加的像素值
20         gray[h,w] = camp(gray[h,w],value)
21     ret , binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)
22     cv.imshow('binary',binary)
23     kernel = cv.getStructuringElement(cv.MORPH_RECT,(3,3))
24     open = cv.morphologyEx(binary,cv.MORPH_OPEN,kernel)     #开操作，先腐蚀后膨胀，会消除一些为1的白色噪点
25     cv.imshow('open_demo',binary)
26 
27 img = cv.imread('1.jpg')
28 cv.imshow('input image',img)
29 open_demo(img)
30 cv.waitKey(0)
31 cv.destroyAllWindows()

2、闭

 闭运算则相反：先膨胀后腐蚀（先膨胀会使白色的部分扩张，以至于消除/“闭合”物体里面的小黑洞，所以叫闭运算）

img = cv2.imread('j_noise_in.bmp', 0)
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)  # 闭运算

 代码实现

 

如果我们的目标物体外面有很多无关的小区域，就用开运算去除掉；如果物体内部有很多小黑洞，就用闭运算填充掉