opencv从入门到放弃---形态学转换

柔情只为你懂 2022-02-28 02:26 287阅读 0赞

### 学习不同的形态学操作，例如腐蚀、膨胀、开闭运算等 ###

## 原理： ##

形态学操作是根据图像形状进行的简单操作，一般情况下是对二值图像进行操作，需要输入两个参数，一个是原始图像，第二个被称为结构化元素或核，它是用来决定操作的性质的；两个基本的形态学操作时腐蚀和膨胀，他们的变体构成了开运算、闭运算，梯度等等；

## 腐蚀 ##

腐蚀的原理：首先设定一个卷积核，然后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为1，那么中心元素就保持原来的像素值不变，否则就变为0

这会产生什么影响呢？根据卷积核的大小靠近前景的所有像素点都会被腐蚀掉（变为0），所有前景物体会变小，整副图像的白色区域会变小；这对于去除白噪声很有用，也可以用来断开两个连接在一起的物体

import cv2 as cv
    import numpy as np
    
    cv.namedWindow('image', cv.WINDOW_AUTOSIZE)
    image = np.zeros((512, 512, 3), np.uint8)
    font = cv.FONT_HERSHEY_SIMPLEX
    dst = cv.putText(image, 'opencv', (100, 250), font, 3, (255, 255, 255), 6)
    cv.imshow('image', dst)
    cv.imwrite('D:/2019-02/img1.png', dst)
    # 定义一个5*5的卷积核
    kernel = np.ones((5,5), np.uint8)
    erosion = cv.erode(dst, kernel, iterations=1)
    cv.imshow('image1', erosion)
    cv.imwrite('D:/2019-02/img2.png', erosion)
    cv.waitKey(0)
    cv.destroyAllWindows()

原图像：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70][]

腐蚀后的图像：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 1][]

## 膨胀 ##

与腐蚀相反，与卷积核对应的原图像的像素值只要有一个是1，中心元素的像素值就会为1；所以这个操作会增加图像中的白色区域，一般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，所以我们再对它进行膨胀，这时噪声已经去除了，不会再回来了，但是前景还是会在增加；膨胀也可以用来连接两个分开的物体

下面代码将上面腐蚀的图像进行膨胀

image = cv.imread('D:/2019-02/img2.png')
    cv.imshow('image1', image)
    kernel = np.ones((5,5), np.uint8)
    dilation = cv.dilate(image, kernel, iterations=1)
    cv.imshow('image2', dilation)
    cv.imwrite('D:/2019-02/img3.png', dilation)
    cv.waitKey(0)

运行结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 2][]

## 开运算 ##

先腐蚀再膨胀；它可以被用来去除噪声

import cv2 as cv
    import numpy as np
    
    image = np.zeros((512, 512, 3), np.uint8)
    font = cv.FONT_HERSHEY_SIMPLEX
    dst = cv.putText(image, 'opencv', (100, 250), font, 3, (255, 255, 255), 6)
    kernel = np.ones((5,5), np.uint8)
    rows, cols, chan = image.shape
    for temp in range(100):
        i = int(cols * np.random.random())
        j = int(rows * np.random.random())
        image[i, j] = (255, 255, 255)
    cv.imshow('image', image) 
    cv.imwrite('D:/p2019-02/img4.png', image)
    opening = cv.morphologyEx(image, cv.MORPH_OPEN, kernel)
    cv.imshow('image1', opening)
    cv.imwrite('D:/2019-02/img5.png', opening)
    cv.waitKey(0)

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 3][]

去噪后：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 4][]

## 闭运算 ##

先膨胀再腐蚀，它经常被用来填充前景物体的小洞，或者前景物体上的小黑点

import cv2 as cv
    import numpy as np
    
    image = np.zeros((512, 512, 3), np.uint8)
    font = cv.FONT_HERSHEY_SIMPLEX
    dst = cv.putText(image, 'opencv', (100, 250), font, 3, (255, 255, 255), 6)
    kernel = np.ones((5,5), np.uint8)
    rows, cols, chan = image.shape
    for temp in range(10000):
        i = int(cols * np.random.random())
        j = int(rows * np.random.random())
        image[i, j] = (0, 0, 0)
    cv.imshow('image', image) 
    cv.imwrite('D:/2019-02/img4.png', image)
    opening = cv.morphologyEx(image, cv.MORPH_CLOSE, kernel)
    cv.imshow('image1', opening)
    cv.imwrite('D:/2019-02/img5.png', opening)
    cv.waitKey(0)

运算之前：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 5][]

可以看到图上有小黑点

运算之后：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 6][]

## 形态学梯度 ##

其实就是一副图像膨胀与腐蚀的区别，结果看上去就相当于前景物体的轮廓

import cv2 as cv
    import numpy as np
    
    image = np.zeros((512, 512, 3), np.uint8)
    font = cv.FONT_HERSHEY_SIMPLEX
    dst = cv.putText(image, 'opencv', (100, 250), font, 3, (255, 255, 255), 6)
    kernel = np.ones((5,5), np.uint8)
    cv.imshow('image', image) 
    cv.imwrite('D:/2019-02/img4.png', image)
    opening = cv.morphologyEx(image, cv.MORPH_GRADIENT, kernel)
    cv.imshow('image1', opening)
    cv.imwrite('D:/2019-02/img5.png', opening)
    cv.waitKey(0)

运算结果前后对比：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 7][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 8][]

## 定义结构元素 ##

形态学处理的核心就是定义结构元素，在opencv-Python中，可以使用其自带的getStructuringElement函数，也可以直接使用numpy数组来进行定义

element = cv.getStructuringElement(cv.MORPH_CROSS, (5,5))
    print(element)

运算结果;

[[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]]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70]: /images/20220228/bc54088af2074f5c88c0ed0928ccce24.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 1]: /images/20220228/48d601b183c64e1082176230eacf633e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 2]: /images/20220228/51a74344e7de49318369300c94501b9f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 3]: /images/20220228/eb939ac060074fbf8d87565d8a665292.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 4]: /images/20220228/a66b780f670f4be8994c905b95541a46.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 5]: /images/20220228/a2bba6b3d1384b1dbb5d1c79d7ecdd46.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 6]: /images/20220228/d8eec7e52c99492b85bf35d02e5198d1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 7]: /images/20220228/439cf4137c4a4661b30264bd8f7fef64.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkzMTU0MA_size_16_color_FFFFFF_t_70 8]: /images/20220228/c94e9d36e018486aab3fbc61383e1f8d.png