Python+OpenCV：形态学变换

ゞ浴缸里的玫瑰 2022-12-21 04:45 154阅读 0赞

## Python+OpenCV：形态学变换 ##

### 理论 ###

形态学变换是基于图像形状的一些简单操作。

它通常在二值图像上执行。它需要两个输入，一个是我们的原始图像，另一个是**结构元素(structuring element)**或**核(kernel)**，它决定了操作的性质。

两个基本的形态算子是Erosion和Dilation。然后它的变体形式，如Opening, Closing, Gradient等也发挥作用。

####################################################################################################
    # 形态学变换
    def lmc_cv_morphological_transformations(index):
        """
            函数功能: 形态学变换.
            形态学变换是基于图像形状的一些简单操作。
            它通常在二值图像上执行。它需要两个输入，一个是我们的原始图像，另一个是结构元素(structuring element)或核(kernel)，它决定了操作的性质。
            两个基本的形态算子是Erosion和Dilation。然后它的变体形式，如Opening, Closing, Gradient等也发挥作用。
        """
    
        # 读取图像
        image = lmc_cv.imread('D:/99-Research/Python/Image/j.png')
        # image = lmc_cv.cvtColor(image, lmc_cv.COLOR_RGB2BGR)
    
        # 创建核
        kernel = np.ones((9, 9), np.uint8)
    
        # 创建核：Rectangular Kernel
        if 0 == index:
            kernel = lmc_cv.getStructuringElement(lmc_cv.MORPH_RECT, (3, 3))
    
        # 创建核：Elliptical Kernel
        if 1 == index:
            kernel = lmc_cv.getStructuringElement(lmc_cv.MORPH_ELLIPSE, (5, 5))
    
        # 创建核：Cross-shaped Kernel
        if 2 == index:
            kernel = lmc_cv.getStructuringElement(lmc_cv.MORPH_CROSS, (7, 7))
    
        # Erosion
        erosion_image = lmc_cv.erode(image, kernel, anchor=(-1, -1), iterations=1, borderType=lmc_cv.BORDER_DEFAULT)
    
        # Dilation
        dilation_image = lmc_cv.dilate(image, kernel, anchor=(-1, -1), iterations=1, borderType=lmc_cv.BORDER_DEFAULT)
    
        # Opening
        opening_image = lmc_cv.morphologyEx(image, lmc_cv.MORPH_OPEN, kernel, anchor=(-1, -1), iterations=1,
                                            borderType=lmc_cv.BORDER_DEFAULT)
    
        # Closing
        closing_image = lmc_cv.morphologyEx(image, lmc_cv.MORPH_CLOSE, kernel, anchor=(-1, -1), iterations=1,
                                            borderType=lmc_cv.BORDER_DEFAULT)
    
        # Morphological Gradient
        gradient_image = lmc_cv.morphologyEx(image, lmc_cv.MORPH_GRADIENT, kernel, anchor=(-1, -1), iterations=1,
                                             borderType=lmc_cv.BORDER_DEFAULT)
    
        # Top Hat
        tophat_image = lmc_cv.morphologyEx(image, lmc_cv.MORPH_TOPHAT, kernel, anchor=(-1, -1), iterations=1,
                                           borderType=lmc_cv.BORDER_DEFAULT)
    
        # Black Hat
        blackhat_image = lmc_cv.morphologyEx(image, lmc_cv.MORPH_BLACKHAT, kernel, anchor=(-1, -1), iterations=1,
                                             borderType=lmc_cv.BORDER_DEFAULT)
    
        # 显示图像
        pyplot.figure('Image Display')
        images = [image, erosion_image, dilation_image, opening_image, closing_image, gradient_image, tophat_image,
                  blackhat_image]
        titles = ['Original', 'Erosion', 'Dilation', 'Opening', 'Closing', "Morphological Gradient", 'Top Hat', 'Black Hat']
        for i in range(8):
            pyplot.subplot(2, 4, i + 1)
            pyplot.imshow(images[i], 'gray')
            pyplot.title(titles[i])
            pyplot.xticks([])
            pyplot.yticks([])
        pyplot.show()
    
        # 根据用户输入保存图像
        if ord("q") == (lmc_cv.waitKey(0) & 0xFF):
            # 销毁窗口
            pyplot.close()
        return

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpdWJpbmc4NjA5_size_16_color_FFFFFF_t_70][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpdWJpbmc4NjA5_size_16_color_FFFFFF_t_70]: /images/20221120/25400bf64f354f8fa8ea542b482e7ed5.png