圖像處理開閉操作(17)

一 定義

1 開操作: 是圖像的輪廓變得光滑,斷開的較窄的狹頸和消除細的突出物.

　　使結構元B對集合A進行開操作，定義為：

　　A○B=(A⊖B)⊕B

含義：先用B對A進行腐蝕，然后用B對結果進行膨脹。 

 

2 閉操作:同樣使圖像輪廓變得光滑,但與開操作相反,他能彌合狹窄的間斷和細小的溝壑,消除小的空洞,並填補輪廓線中的裂痕.

使用結構元B對集合A進行閉操作,定義為

 

　　A∙B=(A⊕B)⊖B

 

結構元

 

 

集合A

原始圖片

 

2 幾何解釋

1）開操作的何解釋 
　　A○B的邊界由B中的點建立 
　　當B在A的邊界內側滾動時，B所能到達的A的邊界的最遠點。 

 

(2)閉操作的幾何解釋 

　　A•B的邊界由B中的點建立 
　　B在A的邊界外側滾動 
　　滿足〖(B)〗_z⋂A≠”Ø” 的所有點的集合 

 

 3 相關函數

morphologyEx

函數原型

morphologyEx(   src, 
                op, 
                kernel, 
                dst=None, 
                anchor=None, 
                iterations=None,
                borderType=None, 
                borderValue=None
                )

 

參數介紹

.   @param src Source image. The number of channels can be arbitrary. The depth should be one of
.   CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
　　　　　　　　　　來源圖片。通道數可以是任意的。深度應該是其中之一 。 CV_8U，CV_16U，CV_16S，CV_32F或CV_64F。
.   @param op Type of a morphological operation, see #MorphTypes
　　　　　　　　形態操作的類型 cv.MORPH_OPEN, cv.MORPH_CLOSE

.   @param kernel Structuring element. It can be created using #getStructuringElement.
　　　　　　　　內核(element)

.   @param anchor Anchor position with the kernel. Negative values mean that the anchor is at the
.   kernel center.
　　　　　　　　用內核錨定位置。負值意味着錨點位於 。核心中心。
.   @param iterations Number of times erosion and dilation are applied.
　　　　　　　　侵蝕和擴張的次數。
.   @param borderType Pixel extrapolation method, see #BorderTypes
　　　　　　　　像素外推方法，
.   @param borderValue Border value in case of a constant border. The default value has a special
.   meaning.
　　　　　　　　邊界不變的邊界值。默認值有一個特殊值 。含義。

getStructuringElement

　　形態學處理的核心就是定義結構元素，在OpenCV-Python中，可以使用其自帶的getStructuringElement函數，也可以直接使用NumPy的ndarray來定義一個結構元素。首先來看用getStructuringElement函數定義一個結構元素：

element = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))

 

這就定義了一個5×5的十字形結構元素，如下：

 

也可以用NumPy來定義結構元素，如下：

NpKernel = np.uint8(np.zeros((5,5)))
for i in range(5):
NpKernel[2, i] = 1 #感謝chenpingjun1990的提醒，現在是正確的
NpKernel[i, 2] = 1

 

這兩者方式定義的結構元素完全一樣：

[[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]]

 

 用OpenCV-Python內置的常量定義橢圓（MORPH_ELLIPSE）和十字形結構（MORPH_CROSS）元素要簡單一些，如果定義矩形（MORPH_RECT）和自定義結構元素，則兩者差不多。

原文：https://blog.csdn.net/sunny2038/article/details/9137759

4 實驗結果展示

先開操作再閉操作，組成形態學濾波器。
a 圖是受噪聲污染的指紋的二值圖像，噪聲為黑色背景上的亮元素和亮指紋部分的暗元素
b圖是使用的結構元
c圖是使用結構元素對圖a腐蝕的結果：背景噪聲消除了，指紋中的噪聲尺寸增加
d圖是使用結構元素對圖c膨脹的結果：包含於指紋中的噪聲分量的尺寸被減小或被完全消除，帶來的問題是：在指紋紋路間產生了新的間斷
e圖是對圖d膨脹的結果，圖d的大部分間斷被恢復，但指紋的線路變粗了
f圖是對圖e腐蝕的結果，即對圖d中開操作的閉操作。最后結果消除了噪聲斑點
缺點：指紋線路還是有斷點，可以通過加入限制性條件解決。

 

5 圖片腐蝕

代碼

# coding=utf-8
import cv2
import numpy as np

img = cv2.imread('fengjing.jpg', 0)
# OpenCV定義的結構元素
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))

# 腐蝕圖像
eroded = cv2.erode(img, kernel)
# 顯示腐蝕后的圖像
cv2.imshow("Eroded Image", eroded)

# 膨脹圖像
dilated = cv2.dilate(img, kernel)
# 顯示膨脹后的圖像
cv2.imshow("Dilated Image", dilated)
# 原圖像
cv2.imshow("Origin", img)

# NumPy定義的結構元素
NpKernel = np.uint8(np.ones((3, 3)))
Nperoded = cv2.erode(img, NpKernel)
# 顯示腐蝕后的圖像
cv2.imshow("Eroded by NumPy kernel", Nperoded)

cv2.waitKey(0)
cv2.destroyAllWindows()

 

效果展示

 

六 圖像的開閉操作

代碼

import cv2 as cv

def open_image(image):
    '圖像開操作'
    gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    # res=cv.bitwise_not(gray)
    #圖像二值化
    ret,binary=cv.threshold(gray,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU)
    cv.imshow('binary',binary)
    #獲取形態學結構kernel,采用的形態學方式MORPH_RECT
    kernel=cv.getStructuringElement(cv.MORPH_RECT,(5,5))
    #圖像的開操作
    binary=cv.morphologyEx(binary,cv.MORPH_OPEN,kernel)
    cv.imshow('open',binary)

def close_image(image):
    '圖像閉操作'
    gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    # res=cv.bitwise_not(gray)
    ret,binary=cv.threshold(gray,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU)
    kernel=cv.getStructuringElement(cv.MORPH_RECT,(5,5))
    #操作函數morphologyEx
    binary=cv.morphologyEx(binary,cv.MORPH_CLOSE,kernel)
    cv.imshow('close',binary)

src = cv.imread("fengjing.jpg")
cv.imshow("原來", src)
open_image(src)
close_image(src)
cv.waitKey(0)
cv.destroyAllWindows()

 

效果展示

 

　　閉運算用來連接被誤分為許多小塊的對象,而開運算用於移除圖像噪音形成的斑點.因此，某些情況下可以連續運用這兩種運算。如對一副二值圖連續使用閉運算和開運算，將獲得圖像中的主要對象。同樣，如果想消除圖像中的噪聲（即圖像中的“小點”），也可以對圖像先用開運算后用閉運算，不過這樣也會消除一些破碎的對象。