(opencv10)膨胀和侵蚀(Dilation与Erosion)

(opencv10)膨胀和侵蚀(Dilation与Erosion)

图像形态学操作

• 图像形态学操作-基于形状的一系列图像处理操作的合集,主要是基于集合论基础上的形态学数学

• 形态学有四个基本操作:腐蚀,膨胀,开，闭

• 膨胀与腐蚀是图像处理中最常用的形态学操作手段

• 膨胀和腐蚀是对白色部分而言的,不是黑色部分。膨胀就是图像中的白色部分进行膨胀，"领域扩张"，效果图拥有比原图更大的高亮区域。腐蚀就是原图中的高亮部分被腐蚀，“领域被蚕食”,效果图拥有比原图更小的高亮区域

膨胀与腐蚀能实现多种多样的功能，主要如下：

• 消除噪声

• 分割(isolate)出独立的图像元素,在图像中连接(join)相邻的元素。

• 寻找图像中的明显的极大值区域或极小值区域

• 求出图像的梯度

腐蚀：erosion = erode(src, kernel, iterations=None)

src

• 输入图,一般用黑白图像,二值化图像

Kernel

• 指定卷积核大小

示例代码01

 img = cv2.imread('huage.png')
 img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 kernel = np.ones((5, 5), np.uint8)
 erosion = cv2.erode(img, kernel)
 cv2.imshow('erosion', erosion)
 cv2.imshow('img', img)
 cv2.waitKey(0)
 cv2.destroyAllWindows()

运行结果02

---

一个5*5的方框进行像素遍历, 改变中心点的值，都黑全黑,都白全白，有黑有白为黑。

膨胀: dilate = dilate(src, kernel,iterations=None)

src

• 输入图,一般用黑白图像,二值化图像

Kernel

• 指定卷积核大小

示例代码02

 img = cv2.imread('huage.png')
 kernel = np.ones((10, 10), np.uint8)
 dilate = cv2.dilate(img, kernel, iterations=1)
 cv2.imshow('dilate', dilate)
 cv2.imshow('img', img)
 cv2.waitKey(0)
 cv2.destroyAllWindows()

运行结果02

---

一个10*10的方框进行像素遍历,改变中心点的值，都黑全黑, 都白全白，有黑有白为白

开运算闭运算

• 开运算，先腐蚀,后膨胀

• 闭运算，先膨胀,后腐蚀

示例代码03

 img = cv2.imread('huage.png')
 kernel = np.ones((5, 5), np.uint8)
 # 开：先腐蚀,后膨胀
 opening = cv2.morphologyEx(img, cv2.MORPH_OPEN,kernel)
 # 闭: 先膨胀,后腐蚀
 closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
 cv2.imshow('img', img)
 cv2.imshow('closing', closing)
 cv2.imshow('opening', opening)
 cv2.waitKey(0)
 cv2.destroyAllWindows()

运算结果03

梯度运算(膨胀-腐蚀)

示例代码04

 # 梯度 = 膨胀-腐蚀
 pie = cv2.imread('huage.png')
 kernel = np.ones((7, 7), np.uint8)
 dilate = cv2.dilate(pie, kernel)
 erosion = cv2.erode(pie, kernel)
 # 两个图像像素点水平拼接
 res = np.hstack((dilate, erosion))
 cv2.imshow('res', res)
 cv2.imshow('pie', pie)
 # 梯度运算
 gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel)
 cv2.imshow('gradient', gradient)
 cv2.waitKey(0)
 cv2.destroyAllWindows()

运行结果04

---

礼帽与黑帽

礼帽 ：原始输入 - 开运算结果

黑帽： 闭运算结果 - 原始输入

示例代码05

 img = cv2.imread('huage.png')
 kernel = np.ones((7, 7), np.uint8)
 # 礼帽
 tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
 cv2.imshow('tophat', tophat)
 # 黑帽
 blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
 cv2.imshow('blackhat', blackhat)
 ​
 cv2.imshow('img', img)
 cv2.waitKey(0)
 cv2.destroyAllWindows()

运行结果05

---

礼帽: 显示出开运算去掉的区域

黑帽: 显示出闭运算增加的区域