OpenCV形态学转换

你的名字 2023-10-03 09:07 7阅读 0赞

### ![20210623222253753.png][] ###

###  ###

### **1.****腐蚀** ###

就像土壤侵蚀一样，这个操作会把前景物体的边界腐蚀掉（但是前景仍然 是白色）。这是怎么做到的呢？卷积核沿着图像滑动，如果与卷积核对应的原图像的所有像素值都是 1 ，那么中心元素就保持原来的像素值，否则就变为零。

这回产生什么影响呢？根据卷积核的大小靠近前景的所有像素都会被腐蚀掉（变为 0 ），所以前景物体会变小，整幅图像的白色区域会减少。这对于去除白噪声很有用，也可以用来断开两个连在一块的物体等。

这里我们有一个例子，使用一个 5x5  的卷积核，其中所有的值都是以。让我们看看他是如何工作的：

import cv2
    import numpy as np
    img = cv2.imread('j.png',0)
    kernel = np.ones((5,5),np.uint8)
    erosion = cv2.erode(img,kernel,iterations = 1)

![20210623222224915.png][]

### **2.****膨胀**  ###

与腐蚀相反，与卷积核对应的原图像的像素值中只要有一个是 1 ，中心元素的像素值就是 1 。所以这个操作会增加图像中的白色区域（前景）。一般在去噪声时先用腐蚀再用膨胀。因为腐蚀在去掉白噪声的同时，也会使前景对象变小。所以我们再对他进行膨胀。这时噪声已经被去除了，不会再回来了，但是前景还在并会增加。膨胀也可以用来连接两个分开的物体。

import cv2
    import numpy as np
    img = cv2.imread('j.png',0)
    kernel = np.ones((5,5),np.uint8)
    dilation = cv2.dilate(img,kernel,iterations = 1)

![20210623222556257.png][]

### **3** **开运算** ###

先进性腐蚀再进行膨胀就叫做开运算。就像我们上面介绍的那样，它被用 来去除噪声。这里我们用到的函数是 **cv2.morphologyEx()** 。

import cv2
    import numpy as np
    img = cv2.imread('j.png',0)
    kernel = np.ones((5,5),np.uint8)
    opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

![2021062322265712.png][]

### **4.****闭运算** ###

先膨胀再腐蚀。它经常被用来填充前景物体中的小洞，或者前景物体上的 小黑点。

import cv2
    import numpy as np
    img = cv2.imread('j.png',0)
    kernel = np.ones((5,5),np.uint8)
    closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

![20210623222858208.png][]

### **5.****形态学梯度**  ###

其实就是一幅图像膨胀与腐蚀的差别。 结果看上去就像前景物体的轮廓。

import cv2
    import numpy as np
    img = cv2.imread('j.png',0)
    kernel = np.ones((5,5),np.uint8)
    gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

![20210623222950181.png][]

### **6.****礼帽** ###

原始图像与进行开运算之后得到的图像的差。下面的例子是用一个 9x9 的核进行礼帽操作的结果。 **得到噪声图像**

import cv2
    import numpy as np
    img = cv2.imread('j.png',0)
    kernel = np.ones((5,5),np.uint8)
    tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

![20210623223046162.png][]

### **7.****黑帽** ###

进行闭运算之后得到的图像与原始图像的差。 **得到图像内部的小孔，或前景色的小黑点**

import cv2
    import numpy as np
    img = cv2.imread('j.png',0)
    kernel = np.ones((5,5),np.uint8)
    blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

![20210623223142496.png][]

[20210623222253753.png]: https://img-blog.csdnimg.cn/20210623222253753.png
[20210623222224915.png]: https://img-blog.csdnimg.cn/20210623222224915.png
[20210623222556257.png]: https://img-blog.csdnimg.cn/20210623222556257.png
[2021062322265712.png]: https://img-blog.csdnimg.cn/2021062322265712.png
[20210623222858208.png]: https://img-blog.csdnimg.cn/20210623222858208.png
[20210623222950181.png]: https://img-blog.csdnimg.cn/20210623222950181.png
[20210623223046162.png]: https://img-blog.csdnimg.cn/20210623223046162.png
[20210623223142496.png]: https://img-blog.csdnimg.cn/20210623223142496.png