OpenCV 中 getStructuringElement() 與 morphologyEx() 函數用法

getStructuringElement() 與 morphologyEx() 兩個函數使用時，經常是放在一起的，后者函數中用到的參數是由前者提供

• cv2.getStructuringElement()
  • 返回一個特定大小與形狀的結構元素用於形態學操作，生成的結構學元素進一步傳入 Opencv 的 erode、dilate、morphologyEx 函數中完成形態學操作，除此之外，也可以自己構建一個任意形狀的二進制掩碼，作為結構元素

參數詳講

• shape: 元素形狀，OpenCV 中提供了三種，MORPH_RECT(矩陣)，MORPH_CORSS(交叉形狀)，MORPH_ELLIPSE(橢圓) ；
• ksize ，結構元素的大小；
• anchor，元素內的描點位置，默認為 (-1,-1)表示形狀中心；值得注意的時，只有 MORPH-CROSS 形狀依賴 描點位置，其它情況 描點僅調節其他形態運算結果偏移了多少

使用命令

retval	=	cv.getStructuringElement(	shape, ksize[, anchor]	)

---

morphologyEx()

語法命令

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

對圖像進行形態學轉換；利用最基本腐蝕、膨脹形態學操作；所有操作可直接在源圖像上實現，針對多通道圖像，其中每個通道都是獨立處理，這個方法常用來提取圖像中某類不規則形狀的區域

參數解析

• src ，預處理的圖像；
• op ，形態操作的類型，可選擇下面列表中的一種類型，一般參數多選為 cv2.MORPH_CLOSE
• 
• kernel: 結構元素，來自於 getStructuringElement 方法

針對上面這兩種方法的用法，這里給一個例子，提取下方圖片中水印部分，也就是中間黑色圓環，和下方字體

例子代碼用到的代碼如下

import cv2
import numpy as np

if __name__ =='__main__':
    img_path = "F:/Data/Ceshi1/shuiyin.jpg"
    im = cv2.imread(img_path)

    gray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)

    background = gray.copy()
    for i in range(1,5):
        kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(2*i+1,2*i+1))
        # print('kernel size is ',kernel)
        background = cv2.morphologyEx(background,cv2.MORPH_CLOSE,kernel)
        background = cv2.morphologyEx(background,cv2.MORPH_CLOSE,kernel)

    cv2.namedWindow('diff',cv2.WINDOW_FREERATIO) # 獲取圖像中前景背景之差
    cv2.imshow('diff',background)

代碼中用了一個 for 循環，用來控制提取圖像不規則形狀的次數，可以根據結果確定一個比較好的值，最終實驗證明了 4 為最合適的

最終提取結果如下