Opencv形态学——腐蚀、膨胀、开运算与闭运算、梯度运算、礼帽、黑帽

引言

形态学是基于图像形状的基础变换，一般情况下对二值图像上做处理。需要输入两个参数：一、输入原始图像；二、结构化元素或核，决定操作性质。

一、腐蚀（Erosion)

操作原理：当内核下的所有像素都为1时，原始图像中的像素（要么为1，要么为0）才会被认为是1，否则会被腐蚀为零。所以腐蚀之后的结果取决于内核的大小，迭代的次数不同结果也会不同。

import matplotlib.pyplot as plt
import cv2
import numpy as np
def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
i=cv2.imread("C:/birdtemplet.bmp")
kernel=np.ones((5,5),np.uint8)
crosion=cv2.erode(i,kernel,iterations=2)
crosion1=cv2.erode(i,kernel,iterations=4)
i_1=np.hstack((i,crosion,crosion1))
cv_show('i_1',i_1)

iterations代表迭代的次数。结果如图所示：

二、 膨胀 Dilation

膨胀是腐蚀的逆运算。它增加了图像中的白色区域，或者说增加了前景目标对象的尺寸大小。通常情况下，在腐蚀操作后就是膨胀操作。因为，腐蚀消除了白色的·噪音，但也缩小了前景图，所以我们要扩大它。

kernel=np.ones((5,5),np.uint8)
crosion=cv2.erode(i,kernel,iterations=2)
kernel=np.ones((5,5),np.uint8)
dilate=cv2.dilate(i,kernel,iterations=2)
i_2=np.hstack((i,crosion,dilate))
cv_show('i_2',i_2)

结果显示为原图，腐蚀图，膨胀图：

三、开运算 

 先进行腐蚀，再进行膨胀叫做开运算。 通常情况下，含有噪声的图像二值化后，得到的边界是不平滑的，物体区域具有一些错判的孔洞，就要用到开运算。

opening=cv2.morphologyEx(i,cv2.MORPH_OPEN,kernel)
cv_show('opening',opening)

结果如图所示：

四、闭运算

先膨胀再腐蚀。

closing=cv2.morphologyEx(i,cv2.MORPH_CLOSE,kernel)
cv_show('closing',closing)

结果如图所示：

五、梯度运算（膨胀—腐蚀=梯度）

gradient=cv2.morphologyEx(i,cv2.MORPH_GRADIENT,kernel)
cv_show('gradient',gradient)

结果如图所示：

 六、礼帽（原始输入-开运算结果）

tophat=cv2.morphologyEx(i,cv2.MORPH_TOPHAT,kernel)
i_3=np.hstack((i,opening,tophat))
cv_show('i_3',i_3)

结果如图所示：

 七、黑帽（闭运算-原始输入）

blackhat=cv2.morphologyEx(i,cv2.MORPH_BLACKHAT,kernel)
i_4=np.hstack((i,closing,blackhat))
cv_show('i_4',i_4)

 结果如图所示：