OpenCV（python）一键入门--十九篇（图像形态学函数使用）

1：图像膨胀与腐蚀

import cv2 as cv
import numpy as np

#膨胀和腐蚀
src = cv.imread("D:/coin.jpg")
cv.imshow("input", src)

# 使用3x3 np.ones的结构元素进行膨胀与腐蚀操作
se = np.ones((3, 3), dtype=np.uint8)
dilate = cv.dilate(src, se, None, (-1, -1), 1)
erode = cv.erode(src, se, None, (-1, -1), 1)

cv.imshow("dilate", dilate)
cv.imshow("erode", erode)
cv.waitKey(0)
cv.destroyAllWindows()

1）：cv.dilate 膨胀

函数原型：dst=cv.dilate(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])  

其中，像素外插方法，在官网有如下介绍，在这里不再赘述：

膨胀效果：

2）：cv.erode 腐蚀

函数原型：dst=cv.erode(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])

和膨胀的函数解释类似

效果如下：

3）：结构元素

第一个demo，我们使用了np.ones直接生成一个3*3，全为1的“结构元素”。其实应对不同的应用场景，选择一个好的结构元素很重要。

import cv2 as cv
import numpy as np

#二值化图像
src = cv.imread("D:/coin.jpg")
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
cv.imshow("input", binary)

# 使用3x3 “矩形”结构元素
se = cv.getStructuringElement(cv.MORPH_RECT, (3, 3), (-1, -1))
dilate = cv.dilate(binary, se, None, (-1, -1), 1)
erode = cv.erode(binary, se, None, (-1, -1), 1)

cv.imshow("dilate", dilate)
cv.imshow("erode", erode)
cv.waitKey(0)
cv.destroyAllWindows()

对于cv.getStructuringElement，函数原型如下：

函数原型：retval=cv.getStructuringElement(shape, ksize[, anchor])

通常其参数需要视情况调整

常见的结构元素介绍如下：

矩形结构元素： cv.MORPH_RECT
十字形结构元素：cv.MORPH_CROSS
椭圆结构元素：  cv.MORPH_ELLIPSE	内接矩形为 Rect(0, 0, esize.width, 0.esize.height) 的实心椭圆

效果如下：

2：cv.morphologyEx 形态学操作

（在这篇博客中，二值图像分析的案例使用了morphologyEx该函数：OpenCV（python）一键入门--十四篇（二值图像分析入门））

函数原型：dst=cv.morphologyEx(src, op, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])

形态学操作类型：

2.1）开操作、闭操作：

import cv2 as cv
import numpy as np

src = cv.imread("D:/morph01.png")
cv.imshow("input", src)

# 高斯模糊去噪
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
dst = cv.GaussianBlur(gray, (9, 9), 2, 2)
binary = cv.adaptiveThreshold(dst, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY_INV, 45, 15)

# 开操作
se = cv.getStructuringElement(cv.MORPH_RECT, (5, 5), (-1, -1))
binary = cv.morphologyEx(binary, cv.MORPH_OPEN, se)

#闭操作
#se = cv.getStructuringElement(cv.MORPH_RECT, (5, 5), (-1, -1))
#binary = cv.morphologyEx(binary, cv.MORPH_CLOSE, se)

cv.imshow("binary", binary)

cv.waitKey(0)
cv.destroyAllWindows()

（自适应阈值adaptiveThreshold的介绍在这篇博客中： OpenCV（python）一键入门--十三篇（二值化去噪与图像连通域））

效果如下：

（开操作）

（闭操作）

附素材：

2.2）顶帽

对图像进行开运算，得到的是除去白色噪声的图像，再用原图减去开运算后的图像，得到的是图像的白色噪声。

import cv2 as cv
import numpy as np

src = cv.imread("D:/cells.jpg")
cv.imshow("input", src)

# 高斯模糊去噪
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)

# 顶帽操作
se = cv.getStructuringElement(cv.MORPH_RECT, (3, 3), (-1, -1))
binary = cv.morphologyEx(binary, cv.MORPH_TOPHAT, se)

cv.imshow("binary", binary)

cv.waitKey(0)
cv.destroyAllWindows()

效果如下：

附素材：

2.3）黑帽

对图像进行闭运算，得到的是除去黑色噪声的图像，再用原图减去闭运算后的图像，得到的是图像的黑色噪声。

import cv2 as cv
import numpy as np

src = cv.imread("D:/morph01.png")
cv.imshow("input", src)

# 图像二值化
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)

# 黑帽操作
se = cv.getStructuringElement(cv.MORPH_RECT, (9, 9), (-1, -1))
binary = cv.morphologyEx(binary, cv.MORPH_BLACKHAT, se)

cv.imshow("black hat", binary)

cv.waitKey(0)
cv.destroyAllWindows()

效果如下：

2.4）图像梯度

import cv2 as cv

src = cv.imread("ma.jpg")
cv.imshow("input", src)

# 形态学梯度 - 基本梯度
se = cv.getStructuringElement(cv.MORPH_RECT, (3, 3), (-1, -1))
basic = cv.morphologyEx(src, cv.MORPH_GRADIENT, se)
cv.imshow("basic gradient", basic)

# 外梯度
dilate = cv.morphologyEx(src, cv.MORPH_DILATE, se)
exteral = cv.subtract(dilate, src)
cv.imshow("external gradient", exteral)

# 内梯度
erode = cv.morphologyEx(src, cv.MORPH_ERODE, se)
interal = cv.subtract(src, erode)
cv.imshow("interal gradient", interal)

cv.waitKey(0)
cv.destroyAllWindows()

· 基本梯度

基本梯度是用 膨胀后的图像 减去 腐蚀后的图像 得到差值图像，称为梯度图像

· 内部梯度

是用 原图像 减去 腐蚀之后的图像 得到差值图像，称为图像的内部梯度

· 外部梯度

膨胀后的图像  减去 原来的图像 得到的差值图像，称为图像的外部梯度。

效果如图：

2.*）击中击不中

import cv2 as cv
import numpy as np

src = cv.imread("D:/cross.png")
cv.imshow("input", src)

# 图像二值化
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)

# 击中击不中
se = cv.getStructuringElement(cv.MORPH_CROSS, (11, 11), (-1, -1))
binary = cv.morphologyEx(binary, cv.MORPH_HITMISS, se)

cv.imshow("demo", binary)

cv.waitKey(0)
cv.destroyAllWindows()

效果如下：

附素材