【python-opencv】形态转换

形态变换是一些基于图像形状的简单操作。通常在二进制图像上执行。它需要两个输入，一个是我们的原始图像，第二个是决定操作性质的结构元素或内核。两种基本的形态学算子是侵蚀和膨胀。然后，它的变体形式（如“打开”，“关闭”，“渐变”等）也开始起作用。在下图的帮助下，我们将一一看到它们：

1、侵蚀

侵蚀的基本思想就像土壤侵蚀一样，它侵蚀前景物体的边界(尽量使前景保持白色)。它是做什么的呢?内核滑动通过图像(在2D卷积中)。原始图像中的一个像素(无论是1还是0)只有当内核下的所有像素都是1时才被认为是1，否则它就会被侵蚀(变成0)。

结果是，根据内核的大小，边界附近的所有像素都会被丢弃。因此，前景物体的厚度或大小减小，或只是图像中的白色区域减小。它有助于去除小的白色噪声(正如我们在颜色空间章节中看到的)，分离两个连接的对象等。

在这里，作为一个例子，我将使用一个5x5内核，它包含了所有的1。让我们看看它是如何工作的:

import cv2 as cv
 numpy as np
img = cv.imread('j.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv.erode(img,kernel,iterations = 1)

2、扩张

它与侵蚀正好相反。如果内核下的至少一个像素为“ 1”，则像素元素为“ 1”。因此，它会增加图像中的白色区域或增加前景对象的大小。通常，在消除噪音的情况下，腐蚀后会膨胀。因为腐蚀会消除白噪声，但也会缩小物体。因此，我们对其进行了扩展。由于噪音消失了，它们不会回来，但是我们的目标区域增加了。在连接对象的损坏部分时也很有用。

dilation = cv.dilate(img,iterations = 1) 

3、开运算

开放只是侵蚀然后扩张的另一个名称。如上文所述，它对于消除噪音很有用。在这里，我们使用函数cv.morphologyEx() 

opening = cv.morphologyEx(img,cv.MORPH_OPEN,kernel) 

4、闭运算

闭运算与开运算相反，先扩张然后再侵蚀。在关闭前景对象内部的小孔或对象上的小黑点时很有用。

closing = cv.morphologyEx(img,cv.MORPH_CLOSE,kernel) 

5、形态学梯度

这是图像扩张和侵蚀之间的区别。

结果将看起来像对象的轮廓。

gradient = cv.morphologyEx(img,cv.MORPH_GRADIENT,kernel) 

6、顶帽

它是输入图像和图像开运算之差。下面的示例针对9x9内核完成。

tophat = cv.morphologyEx(img,cv.MORPH_TOPHAT,kernel) 

7、黑帽

这是输入图像和图像闭运算之差。

blackhat = cv.morphologyEx(img,cv.MORPH_BLACKHAT,kernel) 

结构元素

在Numpy的帮助下，我们在前面的示例中手动创建了一个结构元素。它是矩形。但是在某些情况下，您可能需要椭圆形/圆形的内核。因此，为此，OpenCV具有一个函数cv.getStructuringElement()。您只需传递内核的形状和大小，即可获得所需的内核。

# 矩形内核
>>> cv.getStructuringElement(cv.MORPH_RECT,(5,1)">))
array([[1,1,1],[1,1]],dtype=uint8)
 椭圆内核
>>> cv.getStructuringElement(cv.MORPH_ELLIPSE,1)">))
array([[0,1 十字内核
>>> cv.getStructuringElement(cv.MORPH_CROSS,dtype=uint8)

 

参考：

http://woshicver.com/FifthSection/4_5_%E5%BD%A2%E6%80%81%E8%BD%AC%E6%8D%A2/