【学习笔记】opencv的python接口形态学操作腐蚀膨胀通用形态学函数

小灰灰 2022-11-03 11:12 225阅读 0赞

## 腐蚀 ##

img=np.zeros((5,5),np.uint8)
    img[1:4,1:4]=1
    kernel=np.ones((3,1),np.uint8)
    erosion=cv2.erode(img,kernel)
    print("img=\n",img)
    print("kernel=\n",kernel)
    print("erosion=\n",erosion)

img=  
\[\[0 0 0 0 0\]  
\[0 1 1 1 0\]  
\[0 1 1 1 0\]  
\[0 1 1 1 0\]  
\[0 0 0 0 0\]\]  
kernel=  
\[\[1\]  
\[1\]  
\[1\]\]  
erosion=  
\[\[0 0 0 0 0\]  
\[0 0 0 0 0\]  
\[0 1 1 1 0\]  
\[0 0 0 0 0\]  
\[0 0 0 0 0\]\]

img = cv2.imread("erode.png")
    #img2 = cv2.medianBlur(img,5)
    kernel = np.ones((2,2),np.uint8)
    img2 = cv2.erode(img,kernel,iterations=5)
    #
    
    cv2.imshow("i",img2)
    cv2.imshow("i1",img)

iterations=5：迭代五次  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70]  
迭代次数为1时：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 1]  
毛刺还没有腐蚀掉。

## 膨胀 ##

膨胀操作是形态学中另外一种基本的操作。膨胀操作和腐蚀操作的作用是相反的，膨胀操作能对图像的边界进行扩张。膨胀操作将与当前对象（前景）接触到的背景点合并到当前对象内，从而实现将图像的边界点向外扩张。如果图像内两个对象的距离较近，那么在膨胀的过程中，两个对象可能会连通在一起。膨胀操作对填补图像分割后图像内所存在的空白相当有帮助。  
只要当核kernel的任意一点处于前景图像中时，就将当前中心点所对应的膨胀结果图像内像素点的值置为1。

## 开运算 ##

先腐蚀，再膨胀，可以用于去噪 计数

img = cv2.imread("erode.png")
    #img2 = cv2.medianBlur(img,5)
    kernel = np.ones((3,3),np.uint8)
    r1 = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)
    cv2.imshow("i",r1)
    cv2.imshow("i1",img)
    cv2.waitKey()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 2]

## 闭运算 ##

闭运算是先膨胀、后腐蚀的运算，它有助于关闭前景物体内部的小孔，或去除物体上的小黑点，还可以将不同的前景图像进行连接。  
closing=cv2.morphologyEx（img,cv2.MORPH\_CLOSE,kernel）

## 形态学梯度运算 ##

形态学梯度运算是用图像的膨胀图像减腐蚀图像的操作，该操作可以获取原始图像中前景图像的边缘。 形态学梯度运算使用膨胀图像（扩张亮度）减腐蚀图像（收缩亮度），得到原始图像中前景对象的边缘。

img = cv2.imread("erode.png")
    #img2 = cv2.medianBlur(img,5)
    kernel = np.ones((5,5),np.uint8)
    r1 = cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)
    cv2.imshow("i",r1)
    cv2.imshow("i1",img)
    
    cv2.waitKey()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 3]

## 礼帽运算 ##

可获取图像噪声信息

img = cv2.imread("erode.png")
    #img2 = cv2.medianBlur(img,5)
    kernel = np.ones((5,5),np.uint8)
    r1 = cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)
    cv2.imshow("i",r1)
    cv2.imshow("i1",img)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 4]

## 核函数 ##

例使用函数cv2.getStructuringElement（）生成不同结构的核。 根据题目要求，编写程序如下：

kernel1 = cv2.getStructuringElement(cv2.MORPH_RECT,(5, 5))
    kernel2 = cv2.getStructuringElement(cv2.MORPH_CROSS,(5, 5))
    kernel3 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5, 5))
    
    print("kernel1=\n", kernel1)
    print("kernel2=\n", kernel2)
    print("kernel3=\n", kernel3)

kernel1=  
\[\[1 1 1 1 1\]  
\[1 1 1 1 1\]  
\[1 1 1 1 1\]  
\[1 1 1 1 1\]  
\[1 1 1 1 1\]\]  
kernel2=  
\[\[0 0 1 0 0\]  
\[0 0 1 0 0\]  
\[1 1 1 1 1\]  
\[0 0 1 0 0\]  
\[0 0 1 0 0\]\]  
kernel3=  
\[\[0 0 1 0 0\]  
\[1 1 1 1 1\]  
\[1 1 1 1 1\]  
\[1 1 1 1 1\]  
\[0 0 1 0 0\]\]  
用不同的核做膨胀运算:

r1 = cv2.dilate(img,kernel1)

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70]: /images/20221024/fd98c2db1c1a4ce7801c2e6b899e9cad.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 1]: /images/20221024/aab9b79f13ed422e838c4bab0d6b56d1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 2]: /images/20221024/c194360627b742349c37d4eb9598aa9c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 3]: /images/20221024/b5d22244954b4a6a9dc0e6dfc387ef09.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 4]: /images/20221024/074982c45c514581aa0091ff24b9767b.png