python opencv入門-形態學轉換

目標：

　　學習不同的形態操作 例如 腐蝕、膨脹、開運算、閉運算 等。

　　我們要學習的函數有 cv2.erode(),cv2.dilate(),cv2.morphologyEx() 等。

原理 ：
一般對二值化圖像進行形態學轉換操作。輸入的第一個參數為原始圖像；第二個參數為結構化元素（核），該參數決定操作性質。兩個基本形態學操作是腐蝕膨脹，衍生出了開運算、閉運算、梯度運算等等

腐蝕 ：
腐蝕操作會把前景物體的邊緣腐蝕掉。原理是卷積核沿着圖像滑動，如果與卷積核對應的原圖像像素值都是1，那么中心元素保持原值，否則為0. 
效果，靠近前景的像素被腐蝕為0，前景物體變小，圖像白色區域減少，對於去除白噪聲很有用，可以斷開兩個連接在一起的物體。 
（圖像當中的白噪聲大概意思就是隨機噪聲）

如下5*5的卷積核

import cv2
import numpy as np

img = cv2.imread('9.jpg',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 2)

cv2.imshow('img',img)
cv2.imshow('ero',erosion)

cv2.waitKey(0)

 

左側為腐蝕后的圖像，iterations為迭代運算次數

膨脹 ：
與腐蝕相反，卷積核當中只要有一個值是1，中心元素值就是1。此操作會增加前景中的白色區域，一般在去噪聲的時候都是先腐蝕再膨脹，腐蝕的過程會使得前景變小，使用膨脹操作使前景變換回來。膨脹也可以使相互分離的物體連接。

import cv2
import numpy as np

img = cv2.imread('9.jpg',0)
kernel = np.ones((5,5),np.uint8)
dilation = cv2.dilate(img,kernel,iterations = 1)

cv2.imshow('img',img)
cv2.imshow('dil',dilation)

cv2.waitKey(0)

 

左邊為膨脹

開運算 ：
就是先腐蝕再膨脹，一般用來去除噪聲

函數是 cv2.morphologyEx()

import cv2
import numpy as np

img = cv2.imread('9.jpg',0)
kernel = np.ones((5,5),np.uint8)

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

cv2.imshow('img',img)
cv2.imshow('opening',opening)

cv2.waitKey(0)

 

結果略

閉運算：

先膨脹再腐蝕，一般用來填充黑色的小像素點

import cv2
import numpy as np

img = cv2.imread('9.jpg',0)
kernel = np.ones((5,5),np.uint8)
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

cv2.imshow('img',img)
cv2.imshow('closing',closing)

cv2.waitKey(0)

 

形態學梯度

此為膨脹和腐蝕的差別，結果為前景輪廓

import cv2
import numpy as np

img = cv2.imread('9.jpg',0)
kernel = np.ones((5,5),np.uint8)
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

cv2.imshow('img',img)
cv2.imshow('gradient',gradient)

cv2.waitKey(0)

 

禮帽：

原始圖像與開運算圖像的差 

import cv2
import numpy as np

img = cv2.imread('9.jpg',0)
kernel = np.ones((5,5),np.uint8)
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

cv2.imshow('img',img)
cv2.imshow('tophat',tophat)

cv2.waitKey(0)

 

黑帽：

閉運算與原始圖像的差（注意是閉運算減去原始圖像，與禮帽不相反）

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

結構化元素 
前面使用numpy構建結構化元素，都是正方形的核。如果要構建圓形或者橢圓形的核，可以使用 cv2.getStructuringElement()函數。 
參數填入形狀和大小

# 矩形核
>>> 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)

# 橢圓形核
>>> 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)

# 十字形核
>>> 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)