形态学操作

想学习机器视觉和图像处理的朋友看过来!
数学形态学提供了一组有用的方法，能够用来调整分割区域的形状以获得比较理想的结果，它最初是从数学中的集合论发展而来并用于处理二值图的，虽然运算很简单，但是往往可以产生很好的效果，后来这些方法推广到普通的灰度级图像处理中。常用的形态学处理方法包括：腐蚀、膨胀、开运算、闭运算、礼帽运算、黑帽运算，其中膨胀与腐蚀是图像处理中最常用的形态学操作手段，其他方法是两者相互组合而产生的。

膨胀：

取每个位置领域内最大值，所以膨胀后输出图像的总体亮度的平均值比起原图会有所升高，图像中比较亮的区域的面积会变大，而较暗物体的尺寸会减小甚至消失。

# encoding = 'utf8'
import cv2
import numpy as np
img = cv2.imread('8-3.jpg',0)

kernel = np.ones((10,10),np.uint8)
t,rst = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
dilation = cv2.dilate(rst,kernel)

cv2.imshow('image',rst)
cv2.imshow('dilation',dilation)
cv2.waitKey(0)
cv2.destroyAllWindows()

腐蚀：

腐蚀操作与膨胀操作类似，只是它取每个位置领域内最小值，所以腐蚀后输出图像的总体亮度的平均值比起原图会有所降低，图像中比较亮的区域的面积会变小甚至消失，而较暗物体的尺寸会扩大。

# encoding = 'utf8'
import cv2
import numpy as np
img = cv2.imread('8-2.jpg',0)

kernel = np.ones((10,10),np.uint8)
t,rst = cv2.threshold(img,127,255,cv2.THRESH_BINARY)        # 二值化
erosion = cv2.erode(rst,kernel)     # 腐蚀

cv2.imshow('image',img)
cv2.imshow('imagel',rst)
cv2.imshow('erosion',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

开运算：

先腐蚀后膨胀的操作
可以去除噪声，消除小物体
在纤细点处分离物体
平滑较大物体的边界的同时并不明显改变其面积

# encoding = 'utf8'
import cv2
import numpy as np
img = cv2.imread('8-4.jpg',0)

kernel = np.ones((10,10),np.uint8)
t,rst = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
r1 = cv2.morphologyEx(rst,cv2.MORPH_OPEN,kernel)

cv2.imshow('image',rst)
cv2.imshow('r1',r1)
cv2.waitKey(0)
cv2.destroyAllWindows()

闭运算：

先膨胀后腐蚀
可排除小型空洞（指黑色区域）
平滑物体轮廓
弥合（连接）窄的间断点，沟壑
填补轮廓线断裂

# encoding = 'utf8'
import cv2
import numpy as np
img1 = cv2.imread('8-5.jpg',0)
img2 = cv2.imread('8-6.jpg',0)

kernel = np.ones((10,10),np.uint8)
t1,rst1 = cv2.threshold(img1,127,255,cv2.THRESH_BINARY)
t2,rst2 = cv2.threshold(img2,127,255,cv2.THRESH_BINARY)
r1 = cv2.morphologyEx(rst1,cv2.MORPH_CLOSE,kernel)
r2 = cv2.morphologyEx(rst2,cv2.MORPH_CLOSE,kernel)

cv2.imshow('image1',rst1)
cv2.imshow('image2',rst2)
cv2.imshow('r1',r1)
cv2.imshow('r2',r2)
cv2.waitKey(0)
cv2.destroyAllWindows()

形态梯度学运算：

对二值图进行这一操作可以将边缘突出出来，我们可以用形态学梯度来保留物体的边缘轮廓

# encoding = 'utf8'
import cv2
import numpy as np
img = cv2.imread('8-7.jpg',0)

kernel = np.ones((10,10),np.uint8)
t,rst = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
r1 = cv2.morphologyEx(rst,cv2.MORPH_GRADIENT,kernel)

cv2.imshow('image',rst)
cv2.imshow('r1',r1)
cv2.waitKey(0)
cv2.destroyAllWindows()

形态学练习：

import cv2
import numpy as np

img1 = cv2.imread('11.jpg')
img2 = cv2.imread('12.jpg')
img3 = cv2.imread('13.jpg')
img4 = cv2.imread('14.jpg')
img5 = cv2.imread('22.jpg')
img6 = cv2.imread('22.jpg',0)

a,b = img6.shape
print("22文件的面积是",a*b)
print("22文件的周长是",(a+b)*2)

kernel = np.ones((10,10),np.uint8)
t1,rst1 = cv2.threshold(img1,127,255,cv2.THRESH_BINARY)
t2,rst2 = cv2.threshold(img2,127,255,cv2.THRESH_BINARY)
t3,rst3 = cv2.threshold(img3,127,255,cv2.THRESH_BINARY)
t4,rst4 = cv2.threshold(img4,127,255,cv2.THRESH_BINARY)
t5,rst5 = cv2.threshold(img5,127,255,cv2.THRESH_BINARY)     #二值化,大于127阈值的被置为255，小于127的被置为0

r1 = cv2.morphologyEx(rst1,cv2.MORPH_CLOSE,kernel)
r2 = cv2.morphologyEx(rst2,cv2.MORPH_OPEN,kernel)
r3 = cv2.morphologyEx(rst3,cv2.MORPH_OPEN,kernel)
r4 = cv2.morphologyEx(rst4,cv2.MORPH_OPEN,kernel)
r5 = cv2.morphologyEx(rst5,cv2.MORPH_GRADIENT,kernel)

def dHash(img):
    # 差值哈希算法
    # 缩放8*8
    img = cv2.resize(img,(9,8))
    # 转换灰度图
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    hash_str = ''
    # 每行前一个像素大于后一个像素为1，相反为0，生成哈希
    for i in range(8):
        for j in range(8):
            if gray[i,j] > gray[i,j+1]:
                hash_str = hash_str+'1'
            else:
                hash_str = hash_str+'0'
    return hash_str

def cmpHash(hash1, hash2):
    # Hash值对比
    # 算法中1和0顺序组合起来的即是图片的指纹hash。顺序不固定，但是比较的时候必须是相同的顺序。
    # 对比两幅图的指纹，计算汉明距离，即两个64位的hash值有多少是不一样的，不同的位数越小，图片越相似
    # 汉明距离：一组二进制数据变成另一组数据所需要的步骤，可以衡量两图的差异，汉明距离越小，则相似度越高。汉明距离为0，即两张图片完全一样
    n = 0
    # hash长度不同则返回-1代表传参出错
    if len(hash1) != len(hash2):
        return -1
    # 遍历判断
    for i in range(len(hash1)):
        # 不相等则n计数+1，n最终为相似度
        if hash1[i] != hash2[i]:
            n = n + 1
    return n

li1 = [img1,img2,img3,img4]
li2=[]
max_n = 0
for i in range(len(li1)):
    hash1 = dHash(li1[i])
    hash2 = dHash(img5)
    n = cmpHash(hash1, hash2)
    print(n)
    li2.append(n)
    for j in li2:
        if j > max_n:
            max_n = j
        else:
            max_n = max_n
for i in range(len(li1)):
    if max_n==li2[i]:
        t1, rst6 = cv2.threshold(li1[i], 127, 255, cv2.THRESH_BINARY)
        r6 = cv2.morphologyEx(rst6, cv2.MORPH_CLOSE, kernel)
        cv2.imshow('r6', r6)

cv2.imshow('r1',r1)
cv2.imshow('r2',r2)
cv2.imshow('r3',r3)
cv2.imshow('r4',r4)
cv2.imshow('r5',r5)

cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

文章到这里就结束了！希望大家能多多支持机器视觉（系列）！私聊我，可以问关于本文章的问题！以后每天都会发布新的文章，喜欢的点点关注！一个陪伴你学习的新青年！不管多忙都会更新下去，一起加油！