Morphological Transformations

1圖像腐蝕

腐蝕的基本思想：侵蝕前景物體的邊界（總是試圖保持前景為白色）；內核在圖像中滑動（如在2D卷積中）.只有當內核下的所有像素都是1時，原始圖像中的像素（1或0）才會被認為是1，否則它會被侵蝕（變為零）.

邊界附近的所有像素都將被丟棄，具體取決于內核的大小.因此，前景對象的厚度或大小減小，或者圖像中的白色區域減小.
它有助于消除小的白噪聲，分離兩個連接的對象
原圖：

代碼：

import cv2 import numpy as npimg = cv2.imread('img7.png',0)kernel = np.ones((5,5),np.uint8) erosion = cv2.erode(img,kernel,iterations = 1)cv2.imshow('src',img) cv2.imshow('show',erosion) cv2.waitKey()

效果圖：

2膨脹

它恰好與侵蝕相反。 這里，如果內核下的至少一個像素為“1”，則像素元素為“1”. 因此它增加了圖像中的白色區域或前景對象的大小增加.
通常，在去除噪音的情況下，腐蝕之后是膨脹.因為，侵蝕會消除白噪聲，但它也會縮小我們的物體，所以我們膨脹它，由于噪音消失了，它們不會再回來，則我們的物體區域會增加。 它也可用于連接對象的破碎部分.

代碼：

import cv2 import numpy as npimg = cv2.imread('img7.png',0)kernel = np.ones((5,5),np.uint8) dilation = cv2.dilate(img,kernel,iterations = 1)cv2.imshow('src',img) cv2.imshow('show',dilation) cv2.waitKey()

3開運算

cv2.morphologyEx()?：先腐蝕再膨脹，有助于消除噪音.
代碼：

import cv2 import numpy as np import matplotlib.pylab as pltimg = cv2.imread('img8.png',0)kernel = np.ones((5,5),np.uint8) opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)cv2.imshow('src',img) cv2.imshow('show',opening) cv2.waitKey()

4閉運算

先膨脹后腐蝕，用于消除前景對象內的小孔或對象上的小黑點.
代碼：

import cv2 import numpy as npimg = cv2.imread('img9.png',0)kernel = np.ones((5,5),np.uint8) closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)cv2.imshow('src',img) cv2.imshow('show',closing) cv2.waitKey()

5形態學梯度

圖像的膨脹和腐蝕之間的差異，結果看起來像目標的輪廓
代碼：

import cv2 import numpy as npimg = cv2.imread('img7.png',0)kernel = np.ones((5,5),np.uint8) gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)cv2.imshow('src',img) cv2.imshow('show',gradient) cv2.waitKey()

6頂帽（Top Hat）

原圖像與開運算圖的區別，突出原圖像中比周圍亮的區域
代碼：

import cv2 import numpy as npimg = cv2.imread('img7.png',0)kernel = np.ones((5,5),np.uint8) tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)cv2.imshow('src',img) cv2.imshow('show',tophat) cv2.waitKey()

7黑帽(Black Hat)

閉運算圖 - 原圖像,突出原圖像中比周圍暗的區域
代碼：

import cv2 import numpy as npimg = cv2.imread('img7.png',0)kernel = np.ones((5,5),np.uint8) blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)cv2.imshow('src',img) cv2.imshow('show',blackhat) cv2.waitKey()

結構元素

我們在Numpy的幫助下創建了前面示例中的矩形結構元素. 但在某些情況下，可能需要橢圓/圓形內核。 所以為此，OpenCV有一個函數cv2.getStructuringElement（）. 只需傳遞內核的形狀和大小，即可獲得所需的內核.
代碼：

# Rectangular Kernel cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))Out[4]: array([[1, 1, 1, 1, 1],[1, 1, 1, 1, 1],[1, 1, 1, 1, 1],[1, 1, 1, 1, 1],[1, 1, 1, 1, 1]], dtype=uint8)# Elliptical Kernel cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5)) Out[5]: array([[0, 0, 1, 0, 0],[1, 1, 1, 1, 1],[1, 1, 1, 1, 1],[1, 1, 1, 1, 1],[0, 0, 1, 0, 0]], dtype=uint8)# Cross-shaped Kernel cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5)) Out[6]: array([[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]], dtype=uint8) 《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的opencv python 图像形态学操作/图像腐蚀/图像膨胀/开运算/闭运算/顶帽/黑帽的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。