opencv —— morphology形态学操作函数讲解

目录

opencv —— morphology形态学操作函数讲解

形态学滤波：morphologyEx 函数

开运算：先腐蚀后膨胀。

闭运算：先膨胀后腐蚀。

形态学梯度： 膨胀图与腐蚀图之差。

顶帽：顶帽运算（Top Hat）又常常被译为”礼帽“运算，原图像与开运算图之差。

黑帽： 为”闭运算“的结果图与原图像之差。

---

参考博客1

参考博客2

数学形态学（Mathematical morphology） 是一门建立在格论和拓扑学基础之上的图像分析学科，是数学形态学图像处理的基本理论。其基本的运算包括：二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。

morphology形态学操作函数主要包含了五个操作：开运算、闭运算、形态学梯度、顶帽、黑帽。opencv 将这些操作集合到了一个函数中 morphologyEx。要实现不同操作，仅需改变其第三个成员变量形态学运算标识符。 

形态学滤波：morphologyEx 函数

void morphologyEx(InputArray src, OutputArray dst, int op, InputArray kernel, Point anchor = Point(-1, -1), int iterations = 1, int borderType = BORDER_CONSTANT, const Scalar& borderValue = morphologyDefaultBorderValue());

• src，输入图像，即原图像，填 Mat 类的对象即可。
• dst，目标图像，需要和原图片有一样的尺寸和类型。
• op，形态学运算的类型。

MORPH_ERODE = 0, //腐蚀

MORPH_DILATE = 1, //膨胀

MORPH_OPEN = 2, //开操作

MORPH_CLOSE = 3, //闭操作

MORPH_GRADIENT = 4, //梯度操作

MORPH_TOPHAT = 5, //顶帽操作

MORPH_BLACKHAT = 6, //黑帽操作

• kernel，膨胀操作的核。当为 NULL 时，表示的是使用参考点位于中心，大小 3×3 的核。
• anchor，锚点的位置，默认位于中心。
• iterations 迭代使用 dilate() 的次数，默认值为 1。
• borderType，边界拓展的方法。
• borderValue，当边界为常数时的边界值，有默认值，一般不用管。

开运算：先腐蚀后膨胀。

开运算可以用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。

代码示例：

import cv2
import numpy as np
import matplotlib.pyplot as plt
img=cv2.imread("C:\\Users\\Lijian\\Desktop\\test.jpg",cv2.IMREAD_GRAYSCALE)
plt.imshow(img, cmap='Greys_r')
kernel = np.ones((1, 5), np.uint8)
img = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, anchor=(2, 0), iterations=2) #dilatazione
cv2.imshow('open',img)
cv2.waitKey(0)

截图

闭运算：先膨胀后腐蚀。

闭运算能够排除小型黑洞(黑色区域)，可以将团块的边缘突出出来。

代码演示：

import cv2
import numpy as np
import matplotlib.pyplot as plt
img=cv2.imread("C:\\Users\\Lijian\\Desktop\\test.jpg",cv2.IMREAD_GRAYSCALE)
plt.imshow(img, cmap='Greys_r')

kernel = np.ones((1, 5), np.uint8)
img = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel, anchor=(2, 0), iterations=2) #dilatazione
cv2.imshow('close',img)
cv2.waitKey(0)

截图

形态学梯度： 膨胀图与腐蚀图之差。

对二值图像进行这一操作可以将团块（blob）的边缘突出出来。我们可以用形态学梯度来保留物体的边缘轮廓。

代码演示：

import cv2
import numpy as np
import matplotlib.pyplot as plt
img=cv2.imread("C:\\Users\\Lijian\\Desktop\\test.jpg",cv2.IMREAD_GRAYSCALE)
plt.imshow(img, cmap='Greys_r')

kernel = np.ones((1, 5), np.uint8)
img = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel, anchor=(2, 0), iterations=2) #dilatazione
cv2.imshow('MORPH_GRADIENT',img)
cv2.waitKey(0)

截图：

顶帽：顶帽运算（Top Hat）又常常被译为”礼帽“运算，原图像与开运算图之差。

因为开运算带来的结果是放大了裂缝或者局部低亮度的区域，因此，从原图中减去开运算后的图，得到的效果图突出了比原图轮廓周围的区域更明亮的区域，所以顶帽运算往往用来分离比邻近点亮一些的斑块。当一幅图像具有大幅的背景的时候，而微小物品比较有规律的情况下，可以使用顶帽运算进行背景提取。

代码演示：

import cv2
import numpy as np
import matplotlib.pyplot as plt
img=cv2.imread("C:\\Users\\Lijian\\Desktop\\test.jpg",cv2.IMREAD_GRAYSCALE)
plt.imshow(img, cmap='Greys_r')

kernel = np.ones((1, 5), np.uint8)
img = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel, anchor=(2, 0), iterations=2) #dilatazione
cv2.imshow('MORPH_TOPHAT',img)
cv2.waitKey(0)

截图：

黑帽： 为”闭运算“的结果图与原图像之差。

黑帽运算后的效果图突出了比原图轮廓周围的区域更暗的区域，黑帽运算用来分离比邻近点暗一些的斑块。

代码演示：

 

import cv2
import numpy as np
import matplotlib.pyplot as plt
img=cv2.imread("C:\\Users\\Lijian\\Desktop\\test.jpg",cv2.IMREAD_GRAYSCALE)
plt.imshow(img, cmap='Greys_r')
kernel = np.ones((1, 5), np.uint8)
img = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel, anchor=(2, 0), iterations=2) #dilatazione
cv2.imshow('MORPH_BLACKHAT',img)
cv2.waitKey(0)

截图