本文是OpenCV图像视觉入门之路的第11篇文章，本文详细的在图像形态学进行了图像处理，例如：腐蚀操作、膨胀操作、开闭运算、梯度运算、Top Hat Black Hat运算等操作。
OpenCV 图像形态学处理目录
1 腐蚀操作
从下面代码中可以看到有三幅腐蚀程度不同的图，腐蚀越严重像素就越模糊
-
import cv2
-
import numpy
as np
-
from numpy
import unicode
-
-
if __name__ ==
'__main__':
-
img1 = cv2.imread(
"D:/Jupyter_Notebooks/0.jpg")
# 读取彩色图像(BGR)
-
kernel = np.ones((
3,
3), np.uint8)
-
erosion = cv2.erode(img1, kernel)
-
cv2.imshow(
"img1", erosion)
# 显示叠加图像 dst
-
-
img2 = cv2.imread(
"D:/Jupyter_Notebooks/0.jpg")
# 读取彩色图像(BGR)
-
kernel = np.ones((
10,
10), np.uint8)
-
erosion_1 = cv2.erode(img2, kernel)
-
cv2.imshow(
'erosion_1', erosion_1)
-
-
img3 = cv2.imread(
"D:/Jupyter_Notebooks/0.jpg")
# 读取彩色图像(BGR)
-
kernel = np.ones((
30,
30), np.uint8)
-
erosion_2 = cv2.erode(img3, kernel)
-
cv2.imshow(
'erosion_2', erosion_2)
-
-
cv2.waitKey(
0)
-
cv2.destroyAllWindows()
-
binary_img = np.array([ [
0,
0,
0,
0,
0],
-
[
0,
255,
255,
255,
0],
-
[
0,
255,
255,
255,
0],
-
[
0,
255,
255,
255,
0],
-
[
0,
0,
0,
0,
0]],np.uint8)
-
ones((
3,
3),np.uint8)
-
-
[[
0
0
0
0
0]
-
[
0
0
0
0
0]
-
[
0
0
255
0
0]
-
[
0
0
0
0
0]
-
[
0
0
0
0
0]]
通过上面的例子发现，经过3x3的kernel之后，最终只保留了中心的255像素，周边的255都变成了0。在进行腐蚀操作的时候，就是通过kernel大小的卷积在原图像上滑动，只有当kernel范围内的像素全为255时输出才为255，否则输出为0，所以kernel越大最终白色像素保留的会越少。
2 膨胀操作
图像经过膨胀之后，白色像素的范围变大了。在做膨胀的时候，只要当kernel范围内的像素有255时输出就为255。
3 开闭运算
开运算其实就是先通过腐蚀操作后面再进行膨胀，闭运算和开运算恰好相反先通过膨胀操作后面再进行腐蚀。
-
import cv2
-
import numpy
as np
-
from numpy
import unicode
-
-
if __name__ ==
'__main__':
-
img1 = cv2.imread(
"D:/Jupyter_Notebooks/0.jpg")
# 读取彩色图像(BGR)
-
# 定义kernel
-
kernel = np.ones((
3,
3), np.uint8)
-
# 开运算
-
open_img = cv2.morphologyEx(img1, cv2.MORPH_OPEN, kernel)
-
# 闭运算
-
close_img = cv2.morphologyEx(img1, cv2.MORPH_CLOSE, kernel)
-
-
-
cv2.imshow(
"open_img", open_img)
# 显示叠加图像 dst
-
cv2.imshow(
"close_img", close_img)
# 显示叠加图像 dst
-
-
cv2.waitKey(
0)
-
cv2.destroyAllWindows()
4 梯度运算
梯度运算等价于膨胀运算-腐蚀运算 梯度运算主要是用来保留图像的轮廓
5 Top Hat Black Hat运算
Top Hat运算等价于原始图像 - 开运算，Black Hat运算等价于闭运算 - 原始图像
形态学Top-Hat变换是指形态学顶帽操作与黑帽操作，前者是计算源图像与开运算结果图之差，后者是计算闭运算结果与源图像之差。
形态学Top-Hat变换是常用的一种滤波手段，具有高通滤波的某部分特性，可实现在图像中检测出周围背景亮结构或周边背景暗结构。
顶帽操作常用于检测图像中的峰结构。
黑帽操作常用于检测图像中的波谷结构。
-
import cv2
-
import numpy
as np
-
from numpy
import unicode
-
-
if __name__ ==
'__main__':
-
img1 = cv2.imread(
"D:/Jupyter_Notebooks/0.jpg")
# 读取彩色图像(BGR)
-
# 定义kernel
-
kernel = np.ones((
3,
3), np.uint8)
-
tophat_img = cv2.morphologyEx(img1, cv2.MORPH_TOPHAT, kernel)
-
blackhat_img = cv2.morphologyEx(img1, cv2.MORPH_BLACKHAT, kernel)
-
-
-
cv2.imshow(
"tophat_img", tophat_img)
# 显示叠加图像 dst
-
cv2.imshow(
"blackhat_img", blackhat_img)
# 显示叠加图像 dst
-
-
cv2.waitKey(
0)
-
cv2.destroyAllWindows()
转载：https://blog.csdn.net/qq_37529913/article/details/128878079
查看评论