Opencv计算机视觉--边界填充&图像形态学

一、边界填充

1.cv2.copyMakeBorder()

cv2.copyMakeBorder()是0penCV库中的一个函数，用于给图像添加额外的边界(padding)。

2.相关参数介绍

copyMakeBorder(src: UMat, top: int, bottom: int, left: int, rignt: int, BorderType: int, dst: UMat | None = ..., value: cv2.typing.Scalar = ...)

参数:

src:要扩充边界的原始图像 top，bottom,left,right:相应方向上的边框宽度。

borderType:定义要添加边框的类型，它可以是以下的一种:

cv2.BORDER_CONSTANT:添加的边界框像素值为常数(需要额外再给定一个参数)

cv2.BORDER_REFLECT:添加的边框像素将是边界元素的镜面反射，类似于gfedcbglabcdefghlhgfedcbg。(交界处也复制了)

cv2.BORDER_REFLECT_101 或 cv2.BORDER_DEFAULT,和上面类似,但是有一些细微的不同,类似于gfedcblabcdefghlgfedcba(交接处删除了)

cv2.BORDER_REPLICATE:使用最边界的像素值代替，类似于aaaaaalabcdefghIhhhhhhh

cv2.BORDER_WRAP:上下左右边依次替换,cdefghlabcdefghlabcdefg

3.实例

python 复制代码

import cv2 

# 读取图片文件
ys1 = cv2.imread('peopleone.jpg')

# 将图片按比例缩放为原来的0.4倍
ys = cv2.resize(ys1, dsize=None, fx=0.4, fy=0.4) 

# 设置边框的宽度：上、下、左、右各50像素
top, bottom, left, right = 50, 50, 50, 50

# 创建常量边框（用固定颜色填充）
constant = cv2.copyMakeBorder(ys, top, bottom, left, right, borderType=cv2.BORDER_CONSTANT, value=(229, 25, 80))

# 创建反射边框（镜像边缘像素，不重复边缘像素）
reflect = cv2.copyMakeBorder(ys, top, bottom, left, right, borderType=cv2.BORDER_REFLECT)

# 创建反射101边框（镜像边缘像素，重复边缘像素）
reflect101 = cv2.copyMakeBorder(ys, top, bottom, left, right, borderType=cv2.BORDER_REFLECT101)

# 创建复制边框（重复边缘像素）
replicate = cv2.copyMakeBorder(ys, top, bottom, left, right, borderType=cv2.BORDER_REPLICATE)

# 创建包裹边框（平铺图像）
wrap = cv2.copyMakeBorder(ys, top, bottom, left, right, borderType=cv2.BORDER_WRAP)

# 显示原始图片
cv2.imshow('yuantu', ys)
cv2.waitKey(0)  # 等待按键输入

# 显示常量边框效果
cv2.imshow('CONSTANT', constant)
cv2.waitKey(0)

# 显示反射边框效果
cv2.imshow('REFLECT', reflect)
cv2.waitKey(0)

# 显示反射101边框效果
cv2.imshow('REFLECT_101', reflect101)
cv2.waitKey(0)

# 显示复制边框效果
cv2.imshow('REPLICATE', replicate)
cv2.waitKey(0)

# 显示包裹边框效果
cv2.imshow('WRAP', wrap)
cv2.waitKey(0)

# 关闭所有OpenCV窗口
cv2.destroyAllWindows()

补充说明：

cv2.copyMakeBorder()函数的value参数颜色顺序是BGR（蓝、绿、红），而不是RGB
cv2.BORDER_REFLECT和cv2.BORDER_REFLECT101的区别在于边界像素是否被重复使用
在OpenCV中，按Esc键可以快速关闭当前显示的图像窗口
如果图片路径不正确或图片不存在，程序可能会报错

二、图像形态学

1.形态学操作解释

复制代码

腐蚀（Erosion）：用结构元素扫描图像，将中心像素替换为邻域内的最小值。效果是使前景对象变小，消除小的白色噪声。
膨胀（Dilation）：用结构元素扫描图像，将中心像素替换为邻域内的最大值。效果是使前景对象变大，填充孔洞。
闭运算（MORPH_CLOSE）：先膨胀后腐蚀。用于消除小孔洞，连接邻近物体，平滑边界。

2.cv2.morphologyEx()

2.1使用的操作类型

复制代码

cv2.MORPH_CLOSE     # 闭运算（MORPH_CLOSE）：先膨胀后腐蚀。用于消除小孔洞，连接邻近物体，平滑边界
                    # 数学表达式：dst = erode(dilate(src))
                    # 典型应用：修复指纹断裂、填充文字中的空隙、去除黑色噪声点

cv2.MORPH_OPEN      # 开运算（MORPH_OPEN）：先腐蚀后膨胀。用于消除小白点，分离邻近物体，平滑轮廓
                    # 数学表达式：dst = dilate(erode(src))
                    # 典型应用：去除白色噪声点、分离粘连物体、细化轮廓

cv2.MORPH_GRADIENT  # 形态学梯度（MORPH_GRADIENT）：膨胀减去腐蚀。用于提取物体边缘
                    # 数学表达式：dst = dilate(src) - erode(src)
                    # 典型应用：边缘检测、提取物体轮廓、计算物体宽度

cv2.MORPH_TOPHAT    # 顶帽运算（MORPH_TOPHAT）：原图减去开运算。用于提取比背景亮的细小物体
                    # 数学表达式：dst = src - open(src)
                    # 典型应用：不均匀光照校正、提取亮细节、增强亮特征

cv2.MORPH_BLACKHAT  # 黑帽运算（MORPH_BLACKHAT）：闭运算减去原图。用于提取比背景暗的细小物体
                    # 数学表达式：dst = close(src) - src
                    # 典型应用：提取暗细节、检测暗区域特征、增强暗特征

cv2.MORPH_ERODE     # 腐蚀（MORPH_ERODE）：用结构元素扫描图像，取邻域最小值。使物体缩小，消除小白点
                    # 等价于cv2.erode()，但在morphologyEx中作为统一接口使用
                    # 典型应用：去除毛刺、细化物体、分离粘连物体

cv2.MORPH_DILATE    # 膨胀（MORPH_DILATE）：用结构元素扫描图像，取邻域最大值。使物体扩大，填充孔洞
                    # 等价于cv2.dilate()，但在morphologyEx中作为统一接口使用
                    # 典型应用：加粗文字、连接断裂部分、填充空隙

2.2相关参数介绍

复制代码

cv2.dilate() 膨胀函数参数
cv2.erode() 腐蚀函数参数
np.ones((3,3), np.uint8)：创建一个3×3的全1矩阵作为结构元素
iterations=2：形态学操作的迭代次数，次数越多效果越明显
fx=0.6, fy=0.6：分别在x和y方向缩放0.6倍

3.实例

3.1读取太阳图像并进行缩放

python 复制代码

import cv2
import numpy as np

# 读取太阳图像并进行缩放
sun1 = cv2.imread('sun.png')  # 读取名为'sun.png'的图像文件
sun = cv2.resize(sun1, dsize=None, fx=0.6, fy=0.6)  # 将图像缩放为原图的60%
cv2.imshow('sun', sun)  # 显示缩放后的太阳图像
cv2.waitKey(0)  # 等待任意按键按下

# 腐蚀操作（去除毛刺）
kernel = np.ones((3, 3), np.uint8)  # 创建一个3x3的矩形结构元素
erode_1 = cv2.erode(sun, kernel, iterations=2)  # 对太阳图像进行腐蚀操作，迭代2次
cv2.imshow('er', erode_1)  # 显示腐蚀后的图像
cv2.waitKey(0)  # 等待任意按键按下

2.读取英语图像并进行缩放

python 复制代码

import cv2
import numpy as np
yingyu1 = cv2.imread('yingyu.png')  # 读取名为'yingyu.png'的图像文件
yingyu = cv2.resize(yingyu1, dsize=None, fx=0.6, fy=0.6)  # 将图像缩放为原图的60%
cv2.imshow('yingyu', yingyu)  # 显示缩放后的英语图像
cv2.waitKey(0)  # 等待任意按键按下

# 膨胀操作（加粗文字）
kernel = np.ones((2, 2), np.uint8)  # 创建一个2x2的矩形结构元素
dilate_1 = cv2.dilate(yingyu, kernel, iterations=2)  # 对英语图像进行膨胀操作，迭代2次
cv2.imshow('di', dilate_1)  # 显示膨胀后的图像
cv2.waitKey(0)  # 等待任意按键按下

3.读取有噪声的指纹图像并进行缩放

python 复制代码

import cv2
import numpy as np
zhiwennoise1 = cv2.imread('zhiwennoise.png')  # 读取名为'zhiwennoise.png'的图像文件
zhiwennoise = cv2.resize(zhiwennoise1, dsize=None, fx=0.8, fy=0.8)  # 将图像缩放为原图的80%
cv2.imshow('zhiwennoise', zhiwennoise)  # 显示缩放后的有噪声指纹图像
cv2.waitKey(0)  # 等待任意按键按下

# 闭运算（去除指纹图像中的噪声）
kernel = np.ones((2, 2), np.uint8)  # 创建一个2x2的矩形结构元素
mornoise = cv2.morphologyEx(zhiwennoise, cv2.MORPH_CLOSE, kernel)  # 对有噪声指纹进行闭运算
cv2.imshow('mornoise', mornoise)  # 显示闭运算处理后的图像
cv2.waitKey(0)  # 等待任意按键按下

4.读取指纹图像并进行缩放

python 复制代码

import cv2
import numpy as np
zhiwen1 = cv2.imread('zhiwen.png')  # 读取名为'zhiwen.png'的图像文件
zhiwen = cv2.resize(zhiwen1, dsize=None, fx=0.8, fy=0.8)  # 将图像缩放为原图的80%
cv2.imshow('zhiwen', zhiwen)  # 显示缩放后的指纹图像
cv2.waitKey(0)  # 等待任意按键按下

# 闭运算（连接断开的指纹纹路）
kernel = np.ones((2, 2), np.uint8)  # 创建一个2x2的矩形结构元素
mor = cv2.morphologyEx(zhiwen, cv2.MORPH_CLOSE, kernel)  # 对指纹图像进行闭运算
cv2.imshow('mor', mor)  # 显示闭运算处理后的图像
cv2.waitKey(0)  # 等待任意按键按下

cv2.destroyAllWindows()  # 关闭所有显示窗口

5.梯度运算：膨胀-腐蚀

复制代码

作用：突出显示图像中强度变化剧烈的地方

python 复制代码

import cv2
import numpy as np


yingyu1 = cv2.imread('yingyu.png')
yingyu = cv2.resize(yingyu1, dsize=None, fx=0.6, fy=0.6)
cv2.imshow('wenzi', yingyu)
cv2.waitKey(0)

kernel = np.ones((2,2), np.uint8) #设置kenene1太少

# 膨胀
pz_yingyu = cv2.dilate(yingyu1, kernel, iterations=1)
cv2.imshow('pz_yingyu', pz_yingyu)
cv2.waitKey(0)

# 腐蚀
fs_yingyu = cv2.erode(yingyu, kernel, iterations=1)
cv2.imshow('fs_yingyu', fs_yingyu)
cv2.waitKey(0)

# 膨胀-腐蚀
pz_fs = cv2.morphologyEx(yingyu, cv2.MORPH_GRADIENT, kernel)
cv2.imshow('pz_fsyingyu', pz_fs)
cv2.waitKey(0)

6.顶帽和黑帽

复制代码

顶帽 = 原始图像 - 开运算结果(先腐蚀后膨胀)  用于提取比周围区域亮的细节。
黑帽 = 闭运算(先膨胀后腐蚀) - 原始图像  用于提取比周围区域暗的细节。

python 复制代码

import cv2
import numpy as np
sun1= cv2.imread('sun.png')
sun = cv2.resize(sun1, dsize=None, fx=0.6, fy=0.6)
cv2.imshow('sun_yuan', sun)
cv2.waitKey(0)

kernel = np.ones((2,2), np.uint8) #设置kenene1太少

# 开运算
open_sun = cv2.morphologyEx(sun, cv2.MORPH_OPEN, kernel)
cv2.imshow('open_sun', open_sun)
cv2.waitKey(0)

# 顶帽
tophat = cv2.morphologyEx(sun, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('tophat', tophat)
cv2.waitKey(0)

# 闭运算
close_sun = cv2.morphologyEx(sun, cv2.MORPH_CLOSE, kernel)
cv2.imshow('close_sun', close_sun)
cv2.waitKey(0)

# 黑帽
blackhat = cv2.morphologyEx(sun, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('blackhat', blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()