使用Python，OpenCV進行形態學操作）

• • 1. 效果圖
  • 2. 原理
  • 3. 源碼
  • • 3.1 [制作logo源碼](https://blog.csdn.net/qq_40985985/article/details/116025825)
    • 3.2 腐蝕膨脹打開閉合形態梯度源碼
    • 3.3 白帽黑帽操作源碼
    • 3.4 自定義內核
  • 參考

這篇博客將介紹如何使用Python，OpenCV應用形態學操作。
包括：

• 腐蝕（Erosion）
• 膨脹（Dilation）
• 打開（Opening）
• 閉合（Closing）【在封閉前景對象內部的小孔或對象上的小黑點時非常有用。】
• 形態梯度（Morphological gradient）
• 黑帽（Black hat）
• 白帽（Top hat (also called “White hat”)）

形態學操作是應用于灰度或二值圖像的圖像處理變換。這些操作需要一個結構元素，用于定義應用該操作的像素的鄰域。更具體地說，可以使用形態學操作應用于圖像內部的形狀和結構，以調整輸出圖像。（例如增加/減少圖像中的物體大小，打開/縮小物體之間的間隙）

形態學運算通常被用作更強大的計算機視覺解決方案（如OCR、自動車牌識別（ANPR）和條形碼檢測）的預處理步驟。 巧妙地使用形態學運算可以避免更復雜（和計算昂貴）的機器學習和深度學習算法。（比如圖像中的條碼檢測，僅使用形態學操作就可以完成~）

1. 效果圖

原圖 VS 腐蝕1 VS 腐蝕2 VS 腐蝕3 VS 腐蝕4次效果圖如下：

可以看到，隨著腐蝕迭代次數的增加，越來越多的徽標被腐蝕掉。

腐蝕對于從圖像中移除小斑點或斷開兩個連接的組件是最有用的。

原圖 VS 膨脹1 VS 膨脹2 VS 膨脹3次效果圖如下：

可以看到應用了3次迭代的膨脹，徽標中所有字母的間隙都已接和。

膨脹會擴大前景區域。當連接對象的斷開部分時，膨脹特別有用。

打開操作類似于腐蝕操作，去掉小斑點的同時可能會“打開”圖像上的孔，如下圖所示：
當我們使用大小為5的內核時×5.小而隨機的斑點幾乎完全消失了。當它達到一個7大小的內核時，打開操作不僅去除了所有的隨機斑點，而且還“打開”了字母“s”,“n”和字母“a”上的孔。

閉合是打開的相反操作，閉合是膨脹后的腐蝕。閉合用于閉合對象內部的小孔，小黑點是很有效，或將組件連接在一起。

可以看到閉合操作開始橋接徽標中字母之間的間隙。

形態學梯度效果圖如下：

形態學梯度可以使得徽標的輪廓清晰地顯示出來。

白帽操作效果圖如下：

白帽子🎩形態學操作是原始（灰度/單通道）輸入圖像和開口之間的差異。

白帽操作用于在深色背景上顯示圖像的明亮區域。白帽/黑帽操作符都更適合灰度圖像，而不是二進制圖像。
在深色背景下亮的右側區域（即白帽）是如何清晰顯示的，可以清楚地看到汽車的車牌區域已經顯示出來。注意車牌字符本身并沒有被包括在內。這是因為車牌字符在淺色背景下是深色的。

可以應用黑帽操作效果圖如下：
黑帽操作用于從較亮的背景找出較暗的區域；

要顯示車牌字符，需要首先通過白帽操作分割出車牌本身，然后應用黑帽操作符（或閾值）來提取單個車牌字符（可能使用諸如輪廓檢測之類的方法）。

2. 原理

結構元素看作是內核或掩碼的一種類型。和內核一樣，可以是任意大小的鄰域。

• cv2.erode：腐蝕對于移除圖像中的小斑點或斷開兩個連接對象的連接非常有用；
• cv2.diplate：膨脹會增大前景對象的大小，特別適用于將圖像的斷開部分連接在一起；
• cv2.morphologyEx(cv2.MORPH_GRADIENT) 形態梯度是膨脹和腐蝕之間的區別。它有助于確定圖像特定對象的輪廓；
• cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)應用白帽操作（允許從較暗的背景找出較亮的區域）
• cv2.morphologyEx(gray, cv2.MORPH_BLACKHAT, rectKernel)應用黑帽操作（允許從較亮的背景找出較暗的區域）

3. 源碼

3.1 制作logo源碼

import cv2
import numpy as npzeros = np.zeros((100, 400), dtype="uint8")
image = cv2.merge([zeros, zeros, zeros])
cv2.putText(image, "Shining Seminar ~ ", (60, 60), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 3)
cv2.imshow("image", image)
cv2.imwrite("seminar.jpg", image)
cv2.waitKey(0)img = np.ones((600, 800, 4)) * (0, 0, 0, 0)
list = ["cv2.FONT_HERSHEY_SIMPLEX","cv2.FONT_HERSHEY_COMPLEX","cv2.FONT_HERSHEY_COMPLEX_SMALL","cv2.FONT_HERSHEY_DUPLEX","cv2.FONT_HERSHEY_PLAIN","cv2.FONT_HERSHEY_SCRIPT_COMPLEX","cv2.FONT_HERSHEY_SCRIPT_SIMPLEX","cv2.FONT_HERSHEY_SIMPLEX","cv2.FONT_HERSHEY_TRIPLEX","cv2.FONT_ITALIC"]
height = 80
fonti = 0
for font in list:
# 遍歷所有字體，找到最好看的一種~cv2.putText(img, str(fonti) + " Shining Seminar ~ ", (60, height), fonti, 1, (255, 255, 255), 3)if (fonti == 16):breakfonti = fonti + 1if (fonti == 8):fonti = 16height = height + 60
cv2.imshow("0image", img)
cv2.waitKey(0)

3.2 腐蝕膨脹打開閉合形態梯度源碼

# USAGE
# python morphological_ops.py --image pyimagesearch_logo.png# 應用OpenCV的形態學操作，包括腐蝕、膨脹、打開、關閉和形態學梯度。
# 導入必要的包
import argparseimport cv2# 構建命令行參數及解析
# --image 輸入圖像路徑
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=False, default="seminar.jpg",help="path to input image")
args = vars(ap.parse_args())# 加載圖像，轉換為灰度圖，并展示
image = cv2.imread(args["image"])
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv2.imshow("Original", image)# 腐蝕
# 就像河水沖刷河岸腐蝕土壤一樣，圖像中的腐蝕會“腐蝕”前景對象并使其變小。簡單地說，圖像中物體邊界附近的像素將被丟棄，“腐蝕”掉。
# 腐蝕的工作原理是定義一個結構元素，然后將這個結構元素從左到右、從上到下滑動到輸入圖像。
# 只有當結構元素內的所有像素都大于0時，輸入圖像中的前景像素才會被保留。否則，像素被設置為0（即背景）。
# cv2.erode：腐蝕對于移除圖像中的小斑點或斷開兩個連接對象的連接非常有用。
# 應用一系列腐蝕
for i in range(0, 3):# 隨著腐蝕數量的增加，前景標志將開始“腐蝕”和消失。# - image 要執行腐蝕的圖像# - None 默認3*3，也可提供# - iterations 迭代次數，隨著迭代次數的增加，將看到越來越多的徽標被蠶食。eroded = cv2.erode(gray.copy(), None, iterations=i + 1)cv2.imshow("Eroded {} times".format(i + 1), eroded)# cv2.waitKey(0)# 膨脹
# 腐蝕的反面是膨脹。就像腐蝕會腐蝕前景像素一樣，膨脹會使前景像素增長。膨脹會增大前景對象的大小，特別適用于將圖像的斷開部分連接在一起。
# cv2.diplate：膨脹，就像腐蝕一樣，也利用結構元素-如果結構元素中的任何像素大于0，則結構元素的中心像素p被設置為白色。
# 我們使用進行膨脹
# 關閉所有窗口，展示原始圖
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imshow("Original", image)# 應用一系列膨脹
for i in range(0, 3):dilated = cv2.dilate(gray.copy(), None, iterations=i + 1)cv2.imshow("Dilated {} times".format(i + 1), dilated)cv2.waitKey(0)# 關閉所有窗口，然后初始化3組內核
cv2.destroyAllWindows()
cv2.imshow("Original", image)
kernelSizes = [(3, 3), (5, 5), (7, 7)]# 遍歷內核大小
for kernelSize in kernelSizes:# 應用打開操作從當前內核大小構建矩形內核# 根據內核構建結構元素，cv2.MORPH_RECT：矩形 ，也可以是cv2.MORPH_CROSS 十字型、cv2.MORPH_ELLIPSE 橢圓等kernel = cv2.getStructuringElement(cv2.MORPH_RECT, kernelSize)# 執行實際的形態學操作opening = cv2.morphologyEx(gray, cv2.MORPH_OPEN, kernel)cv2.imshow("Opening: ({}, {})".format(kernelSize[0], kernelSize[1]), opening)cv2.waitKey(0)# 關閉所有窗口
cv2.destroyAllWindows()
cv2.imshow("Original", image)
# 遍歷內核
for kernelSize in kernelSizes:# 構建矩形內核，并執行閉合操作kernel = cv2.getStructuringElement(cv2.MORPH_RECT, kernelSize)closing = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, kernel)cv2.imshow("Closing: ({}, {})".format(kernelSize[0], kernelSize[1]), closing)cv2.waitKey(0)# 形態梯度是膨脹和腐蝕之間的區別。它有助于確定圖像特定對象的輪廓：
# 關閉所有窗口
cv2.destroyAllWindows()
cv2.imshow("Original", image)
# 遍歷內核
for kernelSize in kernelSizes:# 構建矩形內核，執行形態梯度操作kernel = cv2.getStructuringElement(cv2.MORPH_RECT, kernelSize)gradient = cv2.morphologyEx(gray, cv2.MORPH_GRADIENT, kernel)cv2.imshow("Gradient: ({}, {})".format(kernelSize[0], kernelSize[1]), gradient)cv2.waitKey(0)cv2.destroyAllWindows()

3.3 白帽黑帽操作源碼

# USAGE
# python morphological_hats.py --image bmcp.jpg
# 使用OpenCV應用黑帽子和頂帽子/白帽子操作。# 導入必要的包
import argparseimport cv2# 構建命令行參數及解析
import imutilsap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=False, default="byd.jpg",help="path to input image")
args = vars(ap.parse_args())# 加載輸入圖像并轉換為灰度圖
image = cv2.imread(args["image"])
image = imutils.resize(image, width=400)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 構建矩形內核，應用黑帽操作（允許從較亮的背景找出較暗的區域）
rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (13, 5))
blackhat = cv2.morphologyEx(gray, cv2.MORPH_BLACKHAT, rectKernel)# 相似的，應用白帽操作（允許從較暗的背景找出較亮的區域）
tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)# 展示輸出圖像
cv2.imshow("Original", image)
cv2.imshow("Blackhat", blackhat)
cv2.imshow("Tophat", tophat)
cv2.waitKey(0)

3.4 自定義內核

import cv2kernel = np.ones((3, 3), np.uint8)# 自定義內核、長方形、正方形、橢圓、圓
print('rect: ', cv2.getStructuringElement(cv2.MORPH_RECT, (7, 5)))print('square: ', cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)))print('ellipse: ', cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)))print('cross: ', cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 5)))

參考

• https://www.pyimagesearch.com/2021/04/28/opencv-morphological-operations/

總結

以上是生活随笔為你收集整理的使用Python，OpenCV进行形态学操作的全部內容，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。