OpenCV-Python实战（10）——形态学

1、腐蚀 cv2.erode()

可以删除图像中的噪音点。
可以删除毛边。
分割图像（当图像连接的不敷精密时） 。

1. img = cv2.erode(src=*,kernel=*,anchor=*,iterations=*,borderType=*,borderValue=*)

复制代码

img：目标图像。
src：原始图像。
kernel：腐蚀核巨细。
anchor：锚点位置，默认是：（-1，-1），核的中心。
iterations：腐蚀操纵迭代次数。
borderType、borderValue：边界样式，边界值，使用默认即可。

1. import cv2
2. import numpy as np
4. pie = cv2.imread('pie.png')  # 圆
5. h,w = pie.shape[:2] # 图像的高，宽
6. pie[int(h/2-2):int(h/2+2),50:w-50]=0 # 在圆中间画一条线
8. img1 = cv2.erode(src=pie,kernel=(11,11),iterations=3)  # 腐蚀
10. cv2.imshow('pie',pie)
11. cv2.imshow('img1',img1)
12. cv2.waitKey(0)
13. cv2.destroyAllWindows()

复制代码

2、膨胀 cv2.dilate()

图像沿着边沿向外扩展的操纵。

1. img = cv2.dilate(src=*,kernel=*,anchor=*,iterations=*,borderType=*,borderValue=*)  

复制代码

img：目标图像。
src：原始图像。
kernel：腐蚀核巨细。
anchor：锚点位置，默认是：（-1，-1），核的中心。
iterations：腐蚀操纵迭代次数。
borderType、borderValue：边界样式，边界值，使用默认即可。

1. import cv2
2. import numpy as np
4. pie = cv2.imread('pie.png')  # 圆
5. h,w = pie.shape[:2] # 图像的高，宽
6. pie[int(h/2-2):int(h/2+2),50:w-50]=0 # 在圆中间画一条线
8. img1 = cv2.dilate(src=pie,kernel=(11,11),iterations=4)
10. cv2.imshow('pie',pie)
11. cv2.imshow('img1',img1)
12. cv2.waitKey(0)
13. cv2.destroyAllWindows()

复制代码

3、形态学通用函数 cv2.morphologyEx()

1. img = cv2.morphologyEx(src=*,op=*,kernel=*,anchor=*,iterations=*,borderType=*,borderValue=*)

复制代码

img：目标图像。
src：原始图像。
op：操纵方式，常见操纵方式如下表所示：

操纵方式	表明
MOREPH_ERODE	腐蚀
MOREPH_DILATE	膨胀
MOREPH_OPEN	开运算
MOREPH_CLOSE	闭运算
MOREPH_GRADIENT	形态学梯度
MOREPH_TOPHAT	规矩运算
MOREPH_BLACKHAT	黑帽运算

kernel：腐蚀核巨细。
anchor：锚点位置，默认是：（-1，-1），核的中心。
iterations：腐蚀操纵迭代次数。
borderType、borderValue：边界样式，边界值，使用默认即可。

4、开运算 cv2.morphologyEx()

先做腐蚀，在做膨胀操纵。

1. import cv2
2. import numpy as np
4. pie = cv2.imread('pie.png')  # 圆
5. h,w = pie.shape[:2] # 图像的高，宽
6. pie[int(h/2-1):int(h/2+1),50:w-50]=255 # 在圆中间画一条线
8. img1 = cv2.morphologyEx(src=pie,op=cv2.MORPH_OPEN,kernel=(11,11),iterations=3)
10. cv2.imshow('pie',pie)
11. cv2.imshow('img1',img1)
12. cv2.waitKey(0)
13. cv2.destroyAllWindows()

复制代码

5、闭运算  

先做膨胀操纵，在做腐蚀操纵。 

1. import cv2
2. import numpy as np
4. pie = cv2.imread('pie.png')  # 圆
5. h,w = pie.shape[:2] # 图像的高，宽
6. pie[int(h/2-1):int(h/2+1),50:w-50]=0 # 在圆中间画一条线
8. img1 = cv2.morphologyEx(src=pie,op=cv2.MORPH_CLOSE,kernel=(11,11),iterations=3)
10. cv2.imshow('pie',pie)
11. cv2.imshow('img1',img1)
12. cv2.waitKey(0)
13. cv2.destroyAllWindows()

复制代码

 6、形态学梯度

膨胀操纵后的图像 - 腐蚀操纵后的图像 = 图像边沿 

1. import cv2
3. pie = cv2.imread('pie.png')  # 圆
6. img1 = cv2.morphologyEx(src=pie,op=cv2.MORPH_GRADIENT,kernel=(11,11),iterations=3)
8. cv2.imshow('pie',pie)
9. cv2.imshow('img1',img1)
10. cv2.waitKey(0)
11. cv2.destroyAllWindows()

复制代码

 7、礼帽运算

原始图像 - 开运算图像 = 礼帽运算
可以得到原始图像的噪音点。

1. import cv2
2. import numpy as np
4. pie = cv2.imread('pie.png')
6. h,w = pie.shape[:2]
7. pie[int(h/2-1):int(h/2+1),:]=255 # 在圆中间画一条线
9. img1 = cv2.morphologyEx(src=pie,op=cv2.MORPH_TOPHAT,kernel=(11,11))
11. cv2.imshow('pie',pie)
12. cv2.imshow('img1',img1)
13. cv2.waitKey(0)
14. cv2.destroyAllWindows()

复制代码

 8、黑帽运算

 原始图像 - 闭运算图像 = 黑帽运算

1. import cv2
2. import numpy as np
4. pie = cv2.imread('pie.png')
6. h,w = pie.shape[:2]
7. pie[int(h/2-1):int(h/2+1),:]=255 # 在圆中间画一条线
9. img1 = cv2.morphologyEx(src=pie,op=cv2.MORPH_BLACKHAT,kernel=(11,11))
11. cv2.imshow('pie',pie)
12. cv2.imshow('img1',img1)
13. cv2.waitKey(0)
14. cv2.destroyAllWindows()

复制代码

9、核函数

1. kernel = cv2.getStructuringElement(shape=*,ksize=,anchor=*)

复制代码

kernel：核矩阵。
shape：内核形状，常见的参数如下：

参数	表明
MORPH_RECT	所有元素都是1
MORPH_ELLIPSE	椭圆形位置为1
MORPH_CROSS	十字形位置是1

ksize：内核巨细。
anchor：内核锚点，默认为：（-1，-1），核中心位置。

1. import cv2
3. kernel1 = cv2.getStructuringElement(shape=cv2.MORPH_RECT,ksize=(5,5))
4. kernel2 = cv2.getStructuringElement(shape=cv2.MORPH_ELLIPSE,ksize=(5,5))
5. kernel3 = cv2.getStructuringElement(shape=cv2.MORPH_CROSS,ksize=(5,5))
6. print(kernel1)
7. print(kernel2)
8. print(kernel3)
10. cv2.waitKey(0)
11. cv2.destroyAllWindows()

复制代码

1. [[1 1 1 1 1]    [[0 0 1 0 0]    [[0 0 1 0 0]
2. [1 1 1 1 1]     [1 1 1 1 1]     [0 0 1 0 0]
3. [1 1 1 1 1]     [1 1 1 1 1]     [1 1 1 1 1]
4. [1 1 1 1 1]     [1 1 1 1 1]     [0 0 1 0 0]
5. [1 1 1 1 1]]    [0 0 1 0 0]]    [0 0 1 0 0]]

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。