OpenCV-Python实战（10）——形态学

1、腐蚀 cv2.erode()

可以删除图像中的噪音点。

可以删除毛边。

分割图像（当图像连接的不够紧密时） 。

img = cv2.erode(src=*,kernel=*,anchor=*,iterations=*,borderType=*,borderValue=*)

img：目标图像。

src：原始图像。

kernel：腐蚀核大小。

anchor：锚点位置，默认是：（-1，-1），核的中心。

iterations：腐蚀操作迭代次数。

borderType、borderValue：边界样式，边界值，使用默认即可。

import cv2
import numpy as np

pie = cv2.imread('pie.png')  # 圆
h,w = pie.shape[:2] # 图像的高，宽
pie[int(h/2-2):int(h/2+2),50:w-50]=0 # 在圆中间画一条线

img1 = cv2.erode(src=pie,kernel=(11,11),iterations=3)  # 腐蚀

cv2.imshow('pie',pie)
cv2.imshow('img1',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

2、膨胀 cv2.dilate()

图像沿着边缘向外扩展的操作。

img = cv2.dilate(src=*,kernel=*,anchor=*,iterations=*,borderType=*,borderValue=*)  

img：目标图像。

src：原始图像。

kernel：腐蚀核大小。

anchor：锚点位置，默认是：（-1，-1），核的中心。

iterations：腐蚀操作迭代次数。

borderType、borderValue：边界样式，边界值，使用默认即可。

import cv2
import numpy as np

pie = cv2.imread('pie.png')  # 圆
h,w = pie.shape[:2] # 图像的高，宽
pie[int(h/2-2):int(h/2+2),50:w-50]=0 # 在圆中间画一条线

img1 = cv2.dilate(src=pie,kernel=(11,11),iterations=4)

cv2.imshow('pie',pie)
cv2.imshow('img1',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

3、形态学通用函数 cv2.morphologyEx()

img = cv2.morphologyEx(src=*,op=*,kernel=*,anchor=*,iterations=*,borderType=*,borderValue=*)

img：目标图像。

src：原始图像。

op：操作方式，常见操作方式如下表所示：

kernel：腐蚀核大小。

anchor：锚点位置，默认是：（-1，-1），核的中心。

iterations：腐蚀操作迭代次数。

borderType、borderValue：边界样式，边界值，使用默认即可。

4、开运算 cv2.morphologyEx()

先做腐蚀，在做膨胀操作。

import cv2
import numpy as np

pie = cv2.imread('pie.png')  # 圆
h,w = pie.shape[:2] # 图像的高，宽
pie[int(h/2-1):int(h/2+1),50:w-50]=255 # 在圆中间画一条线

img1 = cv2.morphologyEx(src=pie,op=cv2.MORPH_OPEN,kernel=(11,11),iterations=3)

cv2.imshow('pie',pie)
cv2.imshow('img1',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

5、闭运算  

先做膨胀操作，在做腐蚀操作。 

import cv2
import numpy as np

pie = cv2.imread('pie.png')  # 圆
h,w = pie.shape[:2] # 图像的高，宽
pie[int(h/2-1):int(h/2+1),50:w-50]=0 # 在圆中间画一条线

img1 = cv2.morphologyEx(src=pie,op=cv2.MORPH_CLOSE,kernel=(11,11),iterations=3)

cv2.imshow('pie',pie)
cv2.imshow('img1',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

 6、形态学梯度

膨胀操作后的图像 - 腐蚀操作后的图像 = 图像边缘 

import cv2

pie = cv2.imread('pie.png')  # 圆


img1 = cv2.morphologyEx(src=pie,op=cv2.MORPH_GRADIENT,kernel=(11,11),iterations=3)

cv2.imshow('pie',pie)
cv2.imshow('img1',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

 7、礼帽运算

原始图像 - 开运算图像 = 礼帽运算

可以得到原始图像的噪音点。

import cv2
import numpy as np

pie = cv2.imread('pie.png')

h,w = pie.shape[:2]
pie[int(h/2-1):int(h/2+1),:]=255 # 在圆中间画一条线

img1 = cv2.morphologyEx(src=pie,op=cv2.MORPH_TOPHAT,kernel=(11,11))

cv2.imshow('pie',pie)
cv2.imshow('img1',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

 8、黑帽运算

 原始图像 - 闭运算图像 = 黑帽运算

import cv2
import numpy as np

pie = cv2.imread('pie.png')

h,w = pie.shape[:2]
pie[int(h/2-1):int(h/2+1),:]=255 # 在圆中间画一条线

img1 = cv2.morphologyEx(src=pie,op=cv2.MORPH_BLACKHAT,kernel=(11,11))

cv2.imshow('pie',pie)
cv2.imshow('img1',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

9、核函数

kernel = cv2.getStructuringElement(shape=*,ksize=,anchor=*)

kernel：核矩阵。

shape：内核形状，常见的参数如下：

ksize：内核大小。

anchor：内核锚点，默认为：（-1，-1），核中心位置。

import cv2

kernel1 = cv2.getStructuringElement(shape=cv2.MORPH_RECT,ksize=(5,5))
kernel2 = cv2.getStructuringElement(shape=cv2.MORPH_ELLIPSE,ksize=(5,5))
kernel3 = cv2.getStructuringElement(shape=cv2.MORPH_CROSS,ksize=(5,5))
print(kernel1)
print(kernel2)
print(kernel3)

cv2.waitKey(0)
cv2.destroyAllWindows()

[[1 1 1 1 1]    [[0 0 1 0 0]    [[0 0 1 0 0]
 [1 1 1 1 1]     [1 1 1 1 1]     [0 0 1 0 0]
 [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]     [0 0 1 0 0]
 [1 1 1 1 1]]    [0 0 1 0 0]]    [0 0 1 0 0]]