opencv python 圖像形態學操做/圖像腐蝕/圖像膨脹/開運算/閉運算/頂帽/黑帽

Morphological Transformations

1圖像腐蝕

腐蝕的基本思想：侵蝕前景物體的邊界（老是試圖保持前景爲白色）；內核在圖像中滑動（如在2D卷積中）.只有當內核下的全部像素都是1時，原始圖像中的像素（1或0）纔會被認爲是1，不然它會被侵蝕（變爲零）.

邊界附近的全部像素都將被丟棄，具體取決於內核的大小.所以，前景對象的厚度或大小減少，或者圖像中的白色區域減少.
它有助於消除小的白噪聲，分離兩個鏈接的對象
原圖：

代碼：

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()

效果圖：

2膨脹

它剛好與侵蝕相反。 這裏，若是內核下的至少一個像素爲「1」，則像素元素爲「1」. 所以它增長了圖像中的白色區域或前景對象的大小增長.
一般，在去除噪音的狀況下，腐蝕以後是膨脹.由於，侵蝕會消除白噪聲，但它也會縮小咱們的物體，因此咱們膨脹它，因爲噪音消失了，它們不會再回來，則咱們的物體區域會增長。 它也可用於鏈接對象的破碎部分.

代碼：

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()

3開運算

cv2.morphologyEx() ：先腐蝕再膨脹，有助於消除噪音.
代碼：

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()

4閉運算

先膨脹後腐蝕，用於消除前景對象內的小孔或對象上的小黑點.
代碼：

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()

5形態學梯度

圖像的膨脹和腐蝕之間的差別，結果看起來像目標的輪廓
代碼：

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()

6頂帽（Top Hat）

原圖像與開運算圖的區別，突出原圖像中比周圍亮的區域
代碼：

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()

7黑帽(Black Hat)

閉運算圖 - 原圖像,突出原圖像中比周圍暗的區域
代碼：

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()

結構元素

咱們在Numpy的幫助下建立了前面示例中的矩形結構元素. 但在某些狀況下，可能須要橢圓/圓形內核。 因此爲此，OpenCV有一個函數cv2.getStructuringElement（）. 只需傳遞內核的形狀和大小，便可得到所需的內核.
代碼：

# 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)