OpenCV与Python之图像形态学操作

目录

1. 图像腐蚀

2. 图像膨胀

3. 图像开运算

4. 图像闭运算

5. 图像梯度运算

6. 图像礼帽（顶帽）操作

7. 图像黑帽操作

---

原始图像下载

1. 图像腐蚀

原理：用一个全1的核去遍历整个图像，核中全是0或全是1的保持不变，核中只要出现一个1（白色）就将核的中心像素变为0。所以这样的操作会将图像（一般是二值化图像）白色局域变瘦小，黑色局域变多

命令：dst = cv2.erode(src, kernel, iterations)   # 默认迭代1次

生成一个全1的矩阵：kernel = cv2.getStructuringElement（方式，大小）

方式：矩形：cv2.MORPH_RECT; 交叉形：cv2.MORPH_CORSS; 椭圆形：cv2.MORPH_ELLIPSE

kernel2 = cv2.getStructuringElement(cv2.MORPH_RECT,(5, 5))

# kernel = np.ones((5,5), np.uint8)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5, 5)) 
# 矩形：MORPH_RECT, 交叉形：MORPH_CORSS, 椭圆形：MORPH_ELLIPSE
dst = cv2.erode(img, kernel, iterations=9)

2. 图像膨胀

原理：与图像腐蚀相反， 用一个全1的核去遍历整个图像，核中全是0或全是1的保持不变，核中只要出现一个1（白色）就将核的中心像素变为1。所以这样的操作会将图像（一般是二值化图像）白色局域变多，黑色局域变少

命令：dst = cv2.dilate(src, kernel, iterations) # 默认迭代1次

kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5, 5)) 
dst = cv2.dilate(img, kernel, iterations=9)

3. 图像开运算

原理：先腐蚀再膨胀，消除白色噪声

命令：dst = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)  # 效果通过改变核的大小来调节

kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(10, 10)) 
dst = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

4. 图像闭运算

 原理：先膨胀再腐蚀，消除黑色噪声

命令： dst = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(10, 10)) 
dst = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

5. 图像梯度运算

原理：对图像分别做腐蚀操作和膨胀操作，然后用膨胀的结果减去腐蚀的结果，也就得到了图像的轮廓信息

命令： dst = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)  # 核越小边界约细

kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5, 5)) 
dst = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

报错：cv2.error: OpenCV(4.0.1) d:\build\opencv\opencv-4.0.1\modules\core\src\matrix.cpp:757: error: (-215:Assertion failed) dims <= 2 && step[0] > 0 in function 'cv::Mat::locateROI' 

是因为没有读取到原图像，opencv不是因为找不到原图像而报错

6. 图像礼帽（顶帽）操作

原理：先对图像进行开运算，得到去除噪声的结果，然后用原始图像减去开运算的结果，也就是的到原来图像中的白色噪声

命令：dst = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel) # 核越大，噪声检测得越多，当然图像边界也被检测到了

kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(10, 10)) 
dst = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

7. 图像黑帽操作

原理：先对图像做闭运算，得到去除黑色噪声的结果，然后用闭运算的结果减去原始图像，也就得到了原图像中的黑色噪声

命令：dst = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)  # 核越大，检测到的黑色噪声越多，当然边界也被检测到了

kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(10, 10)) 
dst = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)