(四)OpenCV-Python學習—形態學處理

　　經過閾值化分割能夠獲得二值圖，但每每會出現圖像中物體形態不完整，變的殘缺，能夠經過形態學處理，使其變得豐滿，或者去除掉多餘的像素。經常使用的形態學處理算法包括：腐蝕，膨脹，開運算，閉運算，形態學梯度，頂帽運算和底帽運算。

1. 腐蝕

　　　腐蝕操做相似於中值平滑，也有一個核，但不進行卷積運算，而是取核中像素值的最小值代替錨點位置的像素值，這樣就會使圖像中較暗的區域面積增大，較亮的的區域面積減少。若是是一張黑底，白色前景的二值圖，就會使白色的前景物體顏色變小，就像被腐蝕了同樣。

　　　進行腐蝕操做的核，不只能夠是矩形，還能夠是十字形和橢圓形，opencv提供getStructuringElement()函數來得到核，其參數以下：

kernel=cv2.getStructuringElement(shape,ksize,anchor)
        shape:核的形狀
                cv2.MORPH_RECT: 矩形
                cv2.MORPH_CROSS: 十字形(以矩形的錨點爲中心的十字架)
                cv2.MORPH_ELLIPSE:橢圓(矩形的內切橢圓）
                
        ksize: 核的大小，矩形的寬，高格式爲(width,height)
        anchor: 核的錨點，默認值爲(-1,-1),即核的中心點

　　　opencv提供erode()函數進行腐蝕操做，其對應參數以下：

dst=cv2.erode(src,kernel,anchor,iterations,borderType,borderValue):
        src: 輸入圖像對象矩陣,爲二值化圖像
        kernel:進行腐蝕操做的核，能夠經過函數getStructuringElement()得到
        anchor:錨點，默認爲(-1,-1)
        iterations:腐蝕操做的次數，默認爲1
        borderType: 邊界種類，有默認值
        borderValue:邊界值，有默認值

　　　腐蝕操做的代碼和效果以下：

　　　能夠看到二值化圖像中白色的opencv字體面積變小了，就像被腐蝕了。注意這是黑底白字，若是是白底黑字，效果會相反，字體反而會膨脹。

#coding:utf-8


import cv2 as cv

img = cv.imread(r"C:\Users\Administrator\Desktop\logo.png")
img_cvt = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
ret,img_thr = cv.threshold(img_cvt,200,255,cv.THRESH_BINARY_INV)
kernel = cv.getStructuringElement(cv.MORPH_RECT,(3,5))
dst = cv.erode(img_thr,kernel,iterations=1)

cv.imshow("img",img)
cv.imshow("img_thr",img_thr)
cv.imshow("dst",dst)
cv.waitKey(0)
cv.destroyAllWindows()

cv2.erode()

2.膨脹

　　膨脹操做和腐蝕操做正好相反，是取核中像素值的最大值代替錨點位置的像素值，這樣會使圖像中較亮的區域增大，較暗的區域減少。若是是一張黑底，白色前景的二值圖，就會使白色的前景物體顏色面積變大，就像膨脹了同樣

　　　　opencv提供dilate()函數進行膨脹操做，其對應參數以下：

dst = cv2.dilate(src,kernel,anchor,iterations,borderType,borderValue)
        src: 輸入圖像對象矩陣,爲二值化圖像
        kernel:進行腐蝕操做的核，能夠經過函數getStructuringElement()得到
        anchor:錨點，默認爲(-1,-1)
        iterations:腐蝕操做的次數，默認爲1
        borderType: 邊界種類
        borderValue:邊界值

　　　　膨脹操做的代碼和效果以下：

　　　　能夠看到二值化圖像中白色的opencv字體面積變大了，就像膨脹了

#coding:utf-8


import cv2 as cv


img = cv.imread(r"C:\Users\Administrator\Desktop\logo.png")
img_cvt = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
ret,img_thr = cv.threshold(img_cvt,200,255,cv.THRESH_BINARY_INV)
kernel = cv.getStructuringElement(cv.MORPH_RECT,(3,5))
dst = cv.dilate(img_thr,kernel,iterations=1)

cv.imshow("img",img)
cv.imshow("img_thr",img_thr)
cv.imshow("dst",dst)
cv.waitKey(0)
cv.destroyAllWindows()

cv2.dilate()

 

3.開運算，閉運算，頂帽，頂帽

　　開運算：先進行腐蝕操做，後進行膨脹操做，主要用來去除一些較亮的部分，即先腐蝕掉不要的部分，再進行膨脹。

　　閉運算：先進行膨脹操做，後進行腐蝕操做，主要用來去除一些較暗的部分。

　　形態學梯度：膨脹運算結果減去腐蝕運算結果，能夠拿到輪廓信息。

　　頂帽運算：原圖像減去開運算結果。

　　底帽運算：原圖像減去閉運算結果。　　

　　進行開運算，閉運算，頂帽運算，底帽運算，形態學梯度，opencv提供了一個統一的函數cv2.morphologyEx()，其對應參數以下：

dst = cv2.morphologyEx(src,op,kernel,anchor,iterations,borderType,borderValue)
        src: 輸入圖像對象矩陣,爲二值化圖像
        op: 形態學操做類型
            cv2.MORPH_OPEN    開運算
            cv2.MORPH_CLOSE   閉運算
            cv2.MORPH_GRADIENT 形態梯度
            cv2.MORPH_TOPHAT   頂帽運算
            cv2.MORPH_BLACKHAT  底帽運算
            
        kernel:進行腐蝕操做的核，能夠經過函數getStructuringElement()得到
        anchor:錨點，默認爲(-1,-1)
        iterations:腐蝕操做的次數，默認爲1
        borderType: 邊界種類
        borderValue:邊界值

 　　使用代碼和對應效果以下：

#coding:utf-8


import cv2 as cv
import matplotlib.pyplot as plt

img = cv.imread(r"C:\Users\Administrator\Desktop\logo.png")
img_cvt = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
ret,img_thr = cv.threshold(img_cvt,200,255,cv.THRESH_BINARY_INV)
kernel = cv.getStructuringElement(cv.MORPH_RECT,(3,5))
open = cv.morphologyEx(img_thr,cv.MORPH_OPEN,kernel,iterations=1)
close = cv.morphologyEx(img_thr,cv.MORPH_CLOSE,kernel,iterations=1)
gradient = cv.morphologyEx(img_thr,cv.MORPH_GRADIENT,kernel,iterations=1)
tophat = cv.morphologyEx(img_thr,cv.MORPH_TOPHAT,kernel,iterations=1)
blackhat = cv.morphologyEx(img_thr,cv.MORPH_BLACKHAT,kernel,iterations=1)

images=[img_thr,open,close,gradient,tophat,blackhat]
titles=["img_thr","open","close","gradient","tophat","blackhat"]
for i in range(6):
    plt.subplot(2,3,i+1),plt.imshow(images[i],"gray")
    plt.title(titles[i])
    plt.xticks([]),    plt.yticks([])
plt.show()

cv2.morphologyEx()

　

4.應用實例

　　有以下一張中文圖片，當咱們進行字符切割時，常須要知道其中的漢字是否帶下劃線，方便進行後續處理。

　　咱們首先想到的多是使用霍夫直線檢測算法，可是直接檢測時，會有不少干擾。咱們能夠經過採用一個橫向的矩陣核，來腐蝕字體，使圖片中只剩下下劃線，而後再進行霍夫直線檢測，這樣干擾小，準確度會高不少。具體實現代碼和效果以下：

#coding:utf-8

import cv2 as cv

img = cv.imread(r"C:\Users\Administrator\Desktop\chinese.png")
img_cvt = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
ret,img_thr = cv.threshold(img_cvt,100,255,cv.THRESH_BINARY)
kernel = cv.getStructuringElement(cv.MORPH_RECT,(30,1)) #因爲是1*30的矩陣，字體會被橫向空隙的白色腐蝕掉，而下劃線橫向都是黑色，不會腐蝕
dst = cv.dilate(img_thr,kernel,iterations=1)  #因爲是白底黑字，全部進行膨脹操做來去除黑色字體
cv.imshow("img_thr",img_thr)
cv.imshow("dst",dst)
cv.waitKey(0)
cv.destroyAllWindows()