OpenCV第八章——腐蚀与膨胀

光之使者 · 2024-9-12 10:09:10

1. 腐蚀

什么是腐蚀操作：
在OpenCV中，腐蚀操作是一种形态学处理技术，用于图像的远景地区（通常是白色地区）进行缩小处理。它的基本头脑是通过结构元素（也称为内核）来“腐蚀”图像中的远景对象，使得远景地区变小，从而去除小的噪声或细节，大概填补图像中的小孔洞。
  腐蚀操作的基本概念

  腐蚀（Erosion）操作涉及到将结构元素（通常是一个小的矩形、圆形或其他形状的矩阵）应用到图像上。对于图像中的每一个像素位置，结构元素会滑动到该位置上，并与图像的对应部分进行比较。

如果结构元素完全位于远景地区内，则结构元素的中央位置保留原像素值。
否则，结构元素的中央位置会被设置为背景值（通常是0）。

腐蚀操作的步骤

选择结构元素： 结构元素是一个小的矩阵，定义了腐蚀操作的形状和巨细。常用的形状有矩形、椭圆和十字形。
滑动结构元素： 将结构元素在图像上滑动，逐个像素地应用腐蚀操作。
更新图像： 根据结构元素与图像的重叠部分的匹配情况，更新图像的像素值。

  腐蚀操作的语法结构
OpenCV将腐蚀操作封装成了erode()方法，其语法结构如下：
  dst = cv2.erode(src, kernel, anchor, iterations, borderType, borderValue)
  参数说明：
  src;原始图像
  kernel:腐蚀使用的核
  anchor:可选参数，核的锚点位置
  iterations:可选参数，腐蚀操作的迭代次数
  borerType:可选参数，边界样式
  borderValue:可选参数，边界值
  返回值说明：
  dst:经过腐蚀之后的图像
  操作用图片：

腐蚀操作运行代码：

import cv2
import numpy as np
img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(7).jpg")
k = np.ones((3, 3), np.uint8) # 创建3*3的数组作为核
cv2.imshow("img", img) # 原图
dst = cv2.erode(img, k) # 腐蚀操作
cv2.imshow("dst", dst) # 腐蚀效果
cv2.waitKey()
cv2.destroyAllWindows()

复制代码

操作效果图像：

2. 膨胀

什么是膨胀操作：
膨胀操作是OpenCV中的一种形态学处理技术，用于扩展图像中的远景地区（通常是白色地区）。它的基本头脑是通过结构元素“扩张”图像中的远景对象，使得远景地区变大，从而填补小的安定或连接断裂的部分。膨胀操作的步骤类似于腐蚀，但相反：

选择结构元素：选择一个结构元素来定义膨胀操作的形状和巨细。
滑动结构元素：将结构元素在图像上滑动，每个像素位置的值会根据结构元素与图像的重叠部分进行更新。
更新图像：如果结构元素与图像的重叠部分有远景像素，则结构元素中央位置被设置为远景值（通常是255）。

  膨胀操作的语法结构：
dst = cv2.dilate(src, kernel, anchor, iterations, borderType, borderValue)
  参数说明：
  src:原始图像
  kernel:膨胀使用的核
  anchor:可选参数，核的锚点位置
  iterations:可选参数，腐蚀操作的迭代次数，默认值为1
  borderType:可选参数，边界样式
  borderValue:可选参数，边界值
操作用图片

膨胀操作的示例代码：

import cv2
import numpy as np
img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(7).jpg")
k = np.ones((9, 9), np.uint8) # 创建9*9的数组作为核
cv2.imshow("img", img)
dst = cv2.dilate(img, k) # 膨胀操作
cv2.imshow("dst", dst) # 显示膨胀效果
cv2.waitKey()
cv2.destroyAllWindows()

复制代码

操作效果图像：

3. 开运算

什么是开运算：
开运算是一种形态学处理技术，结合了腐蚀和膨胀操作，用于去除图像中的小物体或噪声，同时保持较大物体的形状和巨细。开运算的基本步骤如下：

腐蚀：起首对图像进行腐蚀操作，去除图像中的小的噪声或细节。
膨胀：然后对腐蚀后的图像进行膨胀操作，恢复较大物体的形状和边界。

操作用图片

开运算操作代码实例：

import cv2
import numpy as np
img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(7).jpg")
k = np.ones((5, 5), np.uint8) # 创建5*5的数组作为核
cv2.imshow("img", img)
dst = cv2.erode(img, k) # 腐蚀操作
dst = cv2.dilate(dst, k) # 膨胀操作
cv2.imshow("dst", dst) # 显示开运算结果
cv2.waitKey()
cv2.destroyAllWindows()

复制代码

开运算操作效果图像：

4. 闭运算

什么是闭运算?
开运算是一种形态学处理技术，结合了腐蚀和膨胀操作，用于去除图像中的小物体或噪声，同时保持较大物体的形状和巨细。开运算的基本步骤如下：

腐蚀：起首对图像进行腐蚀操作，去除图像中的小的噪声或细节。
膨胀：然后对腐蚀后的图像进行膨胀操作，恢复较大物体的形状和边界。

闭运算操作代码实例：

import cv2
import numpy as np
img = cv2.imread(r"C:\Users\cgs\Desktop\pictures\5(7).jpg")
k = np.ones((15, 15), np.uint8) # 创建15*15的数组作为核
cv2.imshow("img", img)
dst = cv2.dilate(img, k) # 膨胀操作
dst = cv2.erode(dst, k) # 腐蚀操作
cv2.imshow("dst2", dst) # 闭运算结果
cv2.waitKey()
cv2.destroyAllWindows()

复制代码

闭运算操作效果图像：

5. 形态学方法

cv2.MORPH_ERODE:腐蚀操作
  cv2.MORPH_DILATE:膨胀操作
  cv2.MORPH_OPEN:开运算，先腐蚀后膨胀
  cv2.MORPH_CLOSE:闭运算，先膨胀后腐蚀
  cv2.MORPH_GRADIENT:梯度运算，膨胀图减腐蚀图可以得出建议的外貌
  cv2.MORPH_TOPHAT:顶帽运算，原始图像减开运算图像
  cv2.MORPH_BLACKHAT:黑帽运算，闭运算图像减原始图像
  5.1 梯度运算

什么是梯度运算？
梯度简单明白为像素的变化水平。梯度运算的运算过程就是让原图的膨胀图像减去原图的腐蚀图像