opencv(4.5.3)-python(十四)--形态学转换
opencv(4.5.3)-python(十四)--形态学转换
翻译及二次校对：cvtutorials.com
目标
在本章中：
- • 我们将学习不同的形态学操作，如腐蚀、膨胀、开运算、闭运算等。
- • 我们将看到不同的函数，如：cv.erode(), cv.dilate(), cv.morphologyEx() 等。
理论
形态学变换是基于图像形状的一些简单操作。它通常是在二进制图像上进行的。它需要两个输入，一个是我们的原始图像，第二个被称为结构化元素或核，它决定了操作的性质。两个基本的形态学运算符是腐蚀和膨胀。然后，它的变体形式，如开运算、闭运算、梯度等也开始发挥作用。我们将在以下图片的帮助下逐一看到它们。
- 1. 腐蚀
腐蚀的基本概念就像土壤腐蚀一样，只是它腐蚀了前景物体的边界（总是尽量保持前景为白色）。那么它是怎么做的呢？核在图像中滑动（如二维卷积）。原始图像中的一个像素（1或0）只有在核下的所有像素都是1时才会被认为是1，否则就会被腐蚀（变成0）。
因此，发生的情况是，根据核的大小，所有靠近边界的像素将被丢弃。因此，前景物体的厚度或大小减少了，或者说是图像中的白色区域减少了。这对于去除小的白色噪音（正如我们在色彩空间一章中所看到的），分离两个相连的物体等很有用。
这里，作为一个例子，我将使用一个充满1的5x5核。让我们看看它是如何工作的。
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)结果如下：
2. 膨胀
它与腐蚀刚好相反。这里，一个像素元素是 "1"，如果核心下至少有一个像素是 "1"。因此，它增加了图像中的白色区域或增加了前景物体的大小。通常情况下，在去除噪声等情况下，腐蚀之后是膨胀。因为，腐蚀可以去除白色噪音，但它也会缩小我们的物体。所以我们要膨胀它。由于噪音已经消失，它们不会再出现，但我们的对象面积会增加。它在连接一个物体的破碎部分时也很有用。
dilation = cv.dilate(img,kernel,iterations = 1)结果如下：
3. 开运算
开运算只是腐蚀和膨胀的另一个名称。正如我们上面解释的那样，它在去除噪音方面很有用。在这里，我们使用函数cv.morphologyEx()
opening = cv.morphologyEx(img, cv.MORPH_OPEN, kernel)结果如下：
- 4. 闭运算
闭运算是开运算的反面，膨胀之后是腐蚀。它在关闭前景物体内部的小孔，或物体上的小黑点时很有用。
closing = cv.morphologyEx(img, cv.MORPH_CLOSE, kernel)结果如下：
5. 形态学梯度
它是图像的膨胀和腐蚀之间的区别。
其结果将看起来像物体的轮廓。
gradient = cv.morphologyEx(img, cv.MORPH_GRADIENT, kernel)结果如下：
6. 高帽
它是输入图像和图像开运算之间的差异。下面的例子是针对一个9x9的核做的。
tophat = cv.morphologyEx(img, cv.MORPH_TOPHAT, kernel)结果如下：
7. 黑帽
它是指输入图像和输入图像的闭运算度之差。
blackhat = cv.morphologyEx(img, cv.MORPH_BLACKHAT, kernel)结果如下：
结构化元素
在前面的例子中，我们在Numpy的帮助下手动创建了一个结构化元素：矩阵。但在某些情况下，你可能需要椭圆/圆形的核。因此，为了这个目的，OpenCV有一个函数，cv.getStructuringElement()。你可以通过核的形状和大小去定义一个核。
# Rectangular Kernel
>>> 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)
# Elliptical Kernel
>>> 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)
# Cross-shaped Kernel
>>> 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)其他资源
- • HIPR2的形态学操作