opencv python 图像形态学操作/图像腐蚀/图像膨胀/开运算/闭运算/顶帽/黑帽

摘要：图像腐蚀腐蚀的基本思想侵蚀前景物体的边界总是试图保持前景为白色内核在图像中滑动如在卷积中只有当内核下的所有像素都是时，原始图像中的像素或才会被认为是，否则它会被侵蚀变为零边界附近的所有像素都将被丢弃，具体取决于内核的大小因此，前景对象的厚度

Morphological Transformations

腐蚀的基本思想：侵蚀前景物体的边界（总是试图保持前景为白色）；内核在图像中滑动（如在2D卷积中）.只有当内核下的所有像素都是1时，原始图像中的像素（1或0）才会被认为是1，否则它会被侵蚀（变为零）.

边界附近的所有像素都将被丢弃，具体取决于内核的大小.因此，前景对象的厚度或大小减小，或者图像中的白色区域减小.
它有助于消除小的白噪声，分离两个连接的对象
原图：

代码：

import cv2
import numpy as np

img = cv2.imread("img7.png",0)

kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)

cv2.imshow("src",img)
cv2.imshow("show",erosion)
cv2.waitKey()

效果图：

它恰好与侵蚀相反。 这里，如果内核下的至少一个像素为“1”，则像素元素为“1”. 因此它增加了图像中的白色区域或前景对象的大小增加.
通常，在去除噪音的情况下，腐蚀之后是膨胀.因为，侵蚀会消除白噪声，但它也会缩小我们的物体，所以我们膨胀它，由于噪音消失了，它们不会再回来，则我们的物体区域会增加。 它也可用于连接对象的破碎部分.

代码：

import cv2
import numpy as np

img = cv2.imread("img7.png",0)

kernel = np.ones((5,5),np.uint8)
dilation = cv2.dilate(img,kernel,iterations = 1)

cv2.imshow("src",img)
cv2.imshow("show",dilation)
cv2.waitKey()

cv2.morphologyEx() ：先腐蚀再膨胀，有助于消除噪音.
代码：

import cv2
import numpy as np
import matplotlib.pylab  as plt

img = cv2.imread("img8.png",0)

kernel = np.ones((5,5),np.uint8)
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

cv2.imshow("src",img)
cv2.imshow("show",opening)
cv2.waitKey()

先膨胀后腐蚀，用于消除前景对象内的小孔或对象上的小黑点.
代码：

import cv2
import numpy as np

img = cv2.imread("img9.png",0)

kernel = np.ones((5,5),np.uint8)
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

cv2.imshow("src",img)
cv2.imshow("show",closing)
cv2.waitKey()

图像的膨胀和腐蚀之间的差异，结果看起来像目标的轮廓
代码：

import cv2
import numpy as np

img = cv2.imread("img7.png",0)

kernel = np.ones((5,5),np.uint8)
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)


cv2.imshow("src",img)
cv2.imshow("show",gradient)
cv2.waitKey()

原图像与开运算图的区别，突出原图像中比周围亮的区域
代码：

import cv2
import numpy as np

img = cv2.imread("img7.png",0)

kernel = np.ones((5,5),np.uint8)
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)


cv2.imshow("src",img)
cv2.imshow("show",tophat)
cv2.waitKey()

闭运算图 - 原图像,突出原图像中比周围暗的区域
代码：

import cv2
import numpy as np

img = cv2.imread("img7.png",0)

kernel = np.ones((5,5),np.uint8)
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

cv2.imshow("src",img)
cv2.imshow("show",blackhat)
cv2.waitKey()

我们在Numpy的帮助下创建了前面示例中的矩形结构元素. 但在某些情况下，可能需要椭圆/圆形内核。 所以为此，OpenCV有一个函数cv2.getStructuringElement（）. 只需传递内核的形状和大小，即可获得所需的内核.
代码：

# Rectangular Kernel
cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))

Out[4]: 
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))
Out[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))
Out[6]: 
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)