OpenCV-Python教程:14.形态变换

原理

形态变换是根据图片的形状进行的简单运算。一般被用在二值图像上。它需要两个输入，一个是我们的原始图片，另一个是被叫做结构元素或者是核，用来决定运算的类型。两个基本的形态运算是腐蚀和Dilation.其他的变形如开，合，梯度等也会有。我们来看看他们在下面这张图上的表现。

1. 腐蚀

腐蚀的基本理念就和土壤腐蚀一样，它会腐蚀掉前景的边缘（所以前景应该用白色）。核腐蚀掉图片。原始图片里的一个像素（1或者0）只有在核下的所有像素都是1的时候才被认为是1.否则它就被腐蚀掉了（变成0）

根据核的大小来决定在边界附近的多少像素会被丢弃掉，所以前景物体的厚度或大小会缩小，或者说白色区域会减小。这个在移除小的白色噪点时很有用。

在下面的例子里，我用给一个5x5的核，来看看如何工作的：

import cv2
import numpy as np

img = cv2.imread('j.png',0)
kernel = np.ones((5,5), np.uint8)
erosion = cv2.erode(img,kernel,iterations=1)

结果：

2.膨胀

这个就是腐蚀的反义词，在核下只要有至少一个像素是1，像素的值就是1.所以它会增加图片上白色区域的范围或者前景物体的大小。一般来说，在去噪过程中，腐蚀后会再膨胀。因为腐蚀去掉了白噪点，但是它也缩小了我们的对象，所以我们再膨胀它，由于噪点已经没了，它不会回来，我们的物体区域会增加。在把分隔对象连起来也很有用。

dilation = cv2.dilate(img,kernel,iterations=1)

3. 开

开就是腐蚀之后再膨胀的另一个名字。我们使用函数cv2.morphologyEx()

opening = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)

结果：

4.闭

闭是开的反义词，膨胀之后再腐蚀，在用来关闭前景对象里的小洞或小黑点很有用。

closing = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)

5.形态梯度

这个和腐蚀以及膨胀不同，结果看上去像是物体的轮廓。

gradient = cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)

结果：

6.顶帽

这个是输入图片和图片的开运算结果的差别，下面是9x9的核的

tophat=cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)

结果：

7.黑帽

这是输入图片的闭的结果和输入图片的差别。

blackhat=cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)

结果：

结构元素

我们通过Numpy人工创建了结构元素。是个矩形，但是有些情况下，你可能会需要椭圆/圆型的核。为了这个目的，OpenCV有一个函数cv2.getStructuringElement()。你把形状和核的大小作为参数传给它，你就可以得到想要的核。

# Rectangular Kernel
>>>cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
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))
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))
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)