Morphological Transformations
1图像腐蚀
腐蚀的基本思想：侵蚀前景物体的边界（总是试图保持前景为白色）；内核在图像中滑动（如在2D卷积中）.只有当内核下的所有像素都是1时，原始图像中的像素（1或0）才会被认为是1，否则它会被侵蚀（变为零）.
边界附近的所有像素都将被丢弃，具体取决于内核的大小.因此，前景对象的厚度或大小减小，或者图像中的白色区域减小.
它有助于消除小的白噪声，分离两个连接的对象
原图：
代码：
import cv2
import numpy as npimg = cv2.imread('img7.png',0)kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)cv2.imshow('src',img)
cv2.imshow('show',erosion)
cv2.waitKey()
效果图：
2膨胀
它恰好与侵蚀相反。 这里，如果内核下的至少一个像素为“1”，则像素元素为“1”. 因此它增加了图像中的白色区域或前景对象的大小增加.
通常，在去除噪音的情况下，腐蚀之后是膨胀.因为，侵蚀会消除白噪声，但它也会缩小我们的物体，所以我们膨胀它，由于噪音消失了，它们不会再回来，则我们的物体区域会增加。 它也可用于连接对象的破碎部分.
代码：
import cv2
import numpy as npimg = cv2.imread('img7.png',0)kernel = np.ones((5,5),np.uint8)
dilation = cv2.dilate(img,kernel,iterations = 1)cv2.imshow('src',img)
cv2.imshow('show',dilation)
cv2.waitKey()
3开运算
cv2.morphologyEx() ：先腐蚀再膨胀，有助于消除噪音.
代码：
import cv2
import numpy as np
import matplotlib.pylab as pltimg = cv2.imread('img8.png',0)kernel = np.ones((5,5),np.uint8)
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)cv2.imshow('src',img)
cv2.imshow('show',opening)
cv2.waitKey()
4闭运算
先膨胀后腐蚀，用于消除前景对象内的小孔或对象上的小黑点.
代码：
import cv2
import numpy as npimg = cv2.imread('img9.png',0)kernel = np.ones((5,5),np.uint8)
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)cv2.imshow('src',img)
cv2.imshow('show',closing)
cv2.waitKey()
5形态学梯度
图像的膨胀和腐蚀之间的差异，结果看起来像目标的轮廓
代码：
import cv2
import numpy as npimg = cv2.imread('img7.png',0)kernel = np.ones((5,5),np.uint8)
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)cv2.imshow('src',img)
cv2.imshow('show',gradient)
cv2.waitKey()
6顶帽（Top Hat）
原图像与开运算图的区别，突出原图像中比周围亮的区域
代码：
import cv2
import numpy as npimg = cv2.imread('img7.png',0)kernel = np.ones((5,5),np.uint8)
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)cv2.imshow('src',img)
cv2.imshow('show',tophat)
cv2.waitKey()
7黑帽(Black Hat)
闭运算图 - 原图像,突出原图像中比周围暗的区域
代码：
import cv2
import numpy as npimg = cv2.imread('img7.png',0)kernel = np.ones((5,5),np.uint8)
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)cv2.imshow('src',img)
cv2.imshow('show',blackhat)
cv2.waitKey()
结构元素
我们在Numpy的帮助下创建了前面示例中的矩形结构元素. 但在某些情况下，可能需要椭圆/圆形内核。 所以为此，OpenCV有一个函数cv2.getStructuringElement（）. 只需传递内核的形状和大小，即可获得所需的内核.
代码：
# Rectangular Kernel
cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))Out[4]:
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
cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
Out[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
cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
Out[6]:
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)
《新程序员》：云原生和全面数字化实践50位技术专家共同创作，文字、视频、音频交互阅读
总结
以上是生活随笔为你收集整理的opencv python 图像形态学操作/图像腐蚀/图像膨胀/开运算/闭运算/顶帽/黑帽的全部内容，希望文章能够帮你解决所遇到的问题。
如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。
