opencv入门到精通——形态学转换

目标

理论

[1. 侵蚀](#1. 侵蚀)

[2. 扩张](#2. 扩张)

[3. 开运算](#3. 开运算)

[4. 闭运算](#4. 闭运算)

[5. 形态学梯度](#5. 形态学梯度)

[6. 顶帽](#6. 顶帽)

[7. 黑帽](#7. 黑帽)

结构元素

目标

在这一章当中，我们将学习不同的形态学操作，例如侵蚀，膨胀，开运算，闭运算等。我们将看到不同的功能，例如：cv.erode (),cv.dilate (), cv.morphologyEx()等。

理论

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:

复制代码

import cv2 as cv

import numpy as np

img = cv.imread('j.png',0)

kernel = np.ones((5,5),np.uint8)

erosion = cv.erode(img,kernel,iterations = 1)

结果：

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。

复制代码

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

结果：

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()

复制代码

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

结果：

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。

复制代码

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。

复制代码

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

![Uploading gradient.png... (2yruxk2ei)]()

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。

复制代码

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

结果：

7. 黑帽

这是输入图像和图像闭运算之差。

复制代码

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

结果：

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。

复制代码

矩形内核

>>> cv.getStructuringElement(cv.MORPH_RECT,(5,5))

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) # 椭圆内核 \>\>\> cv.getStructuringElement(cv.MORPH_ELLIPSE,(5,5)) 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) # 十字内核 \>\>\> cv.getStructuringElement(cv.MORPH_CROSS,(5,5)) 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)$