目录
目标
理论
1. 侵蚀
2. 扩张
3. 开运算
4. 闭运算
5. 形态学梯度
6. 顶帽
7. 黑帽
结构元素
目标
在这一章当中, 我们将学习不同的形态学操作,例如侵蚀,膨胀,开运算,闭运算等。我们将看到不同的功能,例如:cv.erode(),cv.dilate(),cv.morphologyEx()等。
理论
形态变换是一些基于图像形状的简单操作。通常在二进制图像上执行。它需要两个输入,一个是我们的原始图像,第二个是决定操作性质的结构元素或内核。两种基本的形态学算子是侵蚀和膨胀。然后,它的变体形式(如“打开”,“关闭”,“渐变”等)也开始起作用。在下图的帮助下,我们将一一看到它们:
1. 侵蚀
侵蚀的基本思想就像土壤侵蚀一样,它侵蚀前景物体的边界(尽量使前景保持白色)。它是做什么的呢” />
2. 扩张
它与侵蚀正好相反。如果内核下的至少一个像素为“ 1”,则像素元素为“ 1”。因此,它会增加图像中的白色区域或增加前景对象的大小。通常,在消除噪音的情况下,腐蚀后会膨胀。因为腐蚀会消除白噪声,但也会缩小物体。因此,我们对其进行了扩展。由于噪音消失了,它们不会回来,但是我们的目标区域增加了。在连接对象的损坏部分时也很有用。
dilation=cv.dilate(img,kernel,iterations=1)
结果:
3. 开运算
开放只是侵蚀然后扩张的另一个名称。如上文所述,它对于消除噪音很有用。在这里,我们使用函数cv.morphologyEx()
opening=cv.morphologyEx(img,cv.MORPH_OPEN,kernel)
结果:
4. 闭运算
闭运算与开运算相反,先扩张然后再侵蚀。在关闭前景对象内部的小孔或对象上的小黑点时很有用。
closing=cv.morphologyEx(img,cv.MORPH_CLOSE,kernel)
5. 形态学梯度
这是图像扩张和侵蚀之间的区别。
结果将看起来像对象的轮廓。
gradient=cv.morphologyEx(img,cv.MORPH_GRADIENT,kernel)
![Uploading gradient.png… (2yruxk2ei)]()
6. 顶帽
它是输入图像和图像开运算之差。下面的示例针对9×9内核完成。
tophat=cv.morphologyEx(img,cv.MORPH_TOPHAT,kernel)
结果:
7. 黑帽
这是输入图像和图像闭运算之差。
blackhat=cv.morphologyEx(img,cv.MORPH_BLACKHAT,kernel)
结果:
结构元素
在Numpy的帮助下,我们在前面的示例中手动创建了一个结构元素。它是矩形。但是在某些情况下,您可能需要椭圆形/圆形的内核。因此,为此,OpenCV具有一个函数cv.getStructuringElement()。您只需传递内核的形状和大小,即可获得所需的内核。
#矩形内核
>>>cv.getStructuringElement(cv.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)
#椭圆内核
>>>cv.getStructuringElement(cv.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)
#十字内核
>>>cv.getStructuringElement(cv.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)