1. 腐蝕 & 膨脹

1.1什么是腐蝕&膨脹

腐蝕&膨脹是圖像形態(tài)學(xué)中的兩種核心操作

腐蝕可以描述為是讓圖像沿著自己的邊界向內(nèi)收縮

而膨脹則剛好與收縮相反，可以描述為是讓圖像沿著邊界向內(nèi)擴(kuò)張。

這兩種操作的邏輯和作用都和上篇講到的使用濾波器做平滑處理有些類似，不同之處在于，腐蝕求的是濾波核內(nèi)像素的最小值，而膨脹求的是最大值。并將計(jì)算出的值復(fù)制給錨點(diǎn)位置的像素。

作用上同平滑處理類似，可以消除噪聲。

因?yàn)楦g求的是最小值，膨脹求的是最大值，所以經(jīng)過腐蝕操作的圖像的總體亮度會(huì)有所降低，而經(jīng)過膨脹操作的圖像的總體亮度會(huì)有所升高。

為方便示例，準(zhǔn)備以下圖片素材（test1.jpg）：

1.2 腐蝕方法 cv2.erode()

python中OpenCV使用cv2.erode()方法實(shí)現(xiàn)腐蝕操作。

該方法語(yǔ)法如下：

cv2.erode(src, kernel, anchor=None, iterations=None, borderType=None, borderValue=None)

• scr 原圖像
• kernel 腐蝕要用到的核
• anchor 錨點(diǎn)
• iterations 可選參數(shù)，腐蝕操作的迭代次數(shù)，默認(rèn)為1。
• borderType 邊界樣式，可選。
• borderValue 邊界值，可選。

其中kernel這個(gè)參數(shù)，核，需要手動(dòng)取創(chuàng)建一個(gè)數(shù)組，而不能是像濾波器那樣指定一個(gè)大小。

import cv2
import numpy as np
img = cv2.imread("test1.jpg")
# 創(chuàng)建3*3的數(shù)組作為濾波核
k = np.ones((3, 3), np.uint8)
dst = cv2.erode(img, k)
cv2.imshow("dst", dst)
cv2.waitKey()
cv2.destroyAllWindows()

腐蝕效果如下，如圖，我們的魚骨顯得年代更久遠(yuǎn)了，魚刺消失、變暗了相當(dāng)一部分。

1.3 膨脹方法 cv2.dilate()

python中OpenCV使用cv2.dilate()方法實(shí)現(xiàn)膨脹操作。

該方法語(yǔ)法如下：

dilate(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)

可以看出，其參數(shù)用法同cv2.erode()的參數(shù)。

import cv2
import numpy as np
img = cv2.imread("test1.jpg")
# 創(chuàng)建16*16的數(shù)組作為核
k = np.ones((16, 16), np.uint8)
dst = cv2.dilate(img, k)
cv2.imshow("dst", dst)
cv2.waitKey()
cv2.destroyAllWindows()

膨脹效果如下，如圖所示，圖片眾多魚的亮度明顯變高了。

這種圖像效果，也被稱之為“近視眼”效果。

2. 開運(yùn)算 & 閉運(yùn)算

2.1 簡(jiǎn)述

開運(yùn)算就是將圖像先進(jìn)性腐蝕操作，再進(jìn)行膨脹操作。其可以用來抹除圖像外部的細(xì)節(jié)(噪聲)。

閉運(yùn)算則與之相反

閉運(yùn)算是先對(duì)圖像進(jìn)行膨脹操作，在進(jìn)行腐蝕操作。其可以用來抹除圖像的內(nèi)部細(xì)節(jié)(噪聲)。

腐蝕和膨脹雖然是逆操作，但是開運(yùn)算和閉運(yùn)算都不會(huì)使圖像恢復(fù)原狀。

2.2 開運(yùn)算

以 3 為核

代碼示例如下

import cv2
import numpy as np
img = cv2.imread("test1.jpg")
k = np.ones((3, 3), np.uint8)
dst = cv2.erode(img, k)
dst = cv2.dilate(dst, k)
cv2.imshow("dst", dst)
cv2.waitKey()  
cv2.destroyAllWindows()  

2.3 閉運(yùn)算

以 10 為核

代碼示例如下

import cv2
import numpy as np
img = cv2.imread("test1.jpg")
k = np.ones((10, 10), np.uint8)
dst = cv2.dilate(img, k)
dst = cv2.erode(dst, k)
cv2.imshow("dst", dst)
cv2.waitKey()
cv2.destroyAllWindows()

3. morphologyEx()方法

3.1 morphologyEx()方法 介紹

在python中OpenCV還提供了morphologyEx()方法（形態(tài)學(xué)方法），可以用來完成所有常用的形態(tài)學(xué)運(yùn)算。

morphologyEx()語(yǔ)法如下：

morphologyEx(src, op, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)

其中

• scr 表示圖像
• op 表示操作類型
• kernel 表示 核
• anchor 表示錨點(diǎn)
• iterations 為迭代次數(shù)，默認(rèn)為1
• borderType 是邊界樣式，默認(rèn)1
• borderValue 是邊界值，默認(rèn)1

可以供op選擇的操作類型有：

接下來我們使用圖片"test2.jpg"（下圖）來繼續(xù)下邊的示例：

3.2 梯度運(yùn)算

對(duì)“test2.jpg”以 4 為核做梯度運(yùn)算：

import cv2
import numpy as np
img = cv2.imread("test2.jpg")  
k = np.ones((4, 4), np.uint8)  
dst = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, k) 
cv2.imshow("dst", dst)  
cv2.waitKey()  
cv2.destroyAllWindows()  

梯度運(yùn)算，即膨脹圖減去腐蝕圖，因?yàn)榕蛎涍\(yùn)算得到的圖像中我物體比原圖中的“大”，而腐蝕運(yùn)算得到的圖像中的物體是收縮過的，比原圖中的“小”，所以膨脹的結(jié)果減去腐蝕的結(jié)果，會(huì)得到一個(gè)大概的、不精準(zhǔn)的輪廓。

test2.jpg梯度運(yùn)算執(zhí)行效果如下：

3.3 頂帽運(yùn)算

對(duì)“test2.jpg”以 4 為核做頂帽運(yùn)算：

import cv2
import numpy as np
img = cv2.imread("test2.jpg")
k = np.ones((4, 4), np.uint8)
cv2.imshow("img", img)
dst = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, k)
cv2.imshow("dst", dst)
cv2.waitKey()
cv2.destroyAllWindows()

頂帽運(yùn)算，即原圖減去開運(yùn)算圖，因?yàn)殚_運(yùn)算抹除了圖像的外部細(xì)節(jié)，所以頂帽運(yùn)算即“有外部細(xì)節(jié)的圖像 減去 無外部細(xì)節(jié)的圖像”，得到的結(jié)果也就只剩外部細(xì)節(jié)了。

頂帽運(yùn)算處理效果如下：

3.4 黑帽運(yùn)算

對(duì)“test2.jpg”以 4 為核做頂帽運(yùn)算：

import cv2
import numpy as np
img = cv2.imread("test2.jpg")
k = np.ones((4, 4), np.uint8)
dst = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, k)
cv2.imshow("dst", dst)
cv2.waitKey()
cv2.destroyAllWindows()

黑帽運(yùn)算，即原圖像的閉運(yùn)算減去原圖像

因?yàn)殚]運(yùn)算可以抹除圖像的內(nèi)部細(xì)節(jié)，所以黑帽運(yùn)算即 “無內(nèi)部細(xì)節(jié)的圖像減去有內(nèi)部細(xì)節(jié)的圖像”，結(jié)果只剩下內(nèi)部細(xì)節(jié)。

黑帽運(yùn)算處理效果如下：

以上就是Python OpenCV形態(tài)學(xué)運(yùn)算示例詳解的詳細(xì)內(nèi)容，更多關(guān)于Python OpenCV形態(tài)學(xué)運(yùn)算的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論