OpenCV（三）之图像形态学处理

Morphology系列

在这一节中，我分析了关于腐蚀、膨胀的API手册，再运用openCV内置的MorphologyEx实现形态学的开、闭运算、梯度运算和顶帽、黒帽操作。

---

Morphology-Erode（腐蚀）

function：
def erode(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None):
	使用特定的结构元素侵蚀图像。
	该函数使用指定的结构元素侵蚀源图像，该结构元素确定采用最小值的像素邻域的形状：

	该功能支持就地模式，侵蚀可以应用几次（迭代）次， 在多通道图像的情况下，每个通道被独立处理。
	
	参数
	SRC	输入图像; 通道数可以是任意的，但深度应该是CV_8U，CV_16U，CV_16S，CV_32F或CV_64F之一。
	DST	输出与src相同大小和类型的图像。
	kernel	用于侵蚀的结构元素; if element=Mat()，将使用3 x 3矩形结构元素。可以使用getStructuringElement创建内核。
	anchor	锚点在元素内的位置; 默认值（-1，-1）表示锚点位于元素中心。
	iterations	腐蚀的次数。
	borderType	像素外推法，参见cv :: BorderTypes
	borderValue	边界不变的边界值，当使用常量进行边界填充的时候生效。

Eg.

#导入图像
kv = cv2.imread('kv.png')
plt.imshow(cv2.cvtColor(kv,cv2.COLOR_BGR2RGB))
plt.show()

#创建一个kernel然后进行腐蚀，可以调整循环次数
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(kv,kernel,iterations=1)
#显示输出
plt.subplot(121)
plt.imshow(cv2.cvtColor(kv,cv2.COLOR_BGR2RGB))
plt.title("Original")
plt.subplot(122)
plt.imshow(erosion)
plt.title("erosion")
plt.show()

Result.1

#创建erosion_2其中，腐蚀次数为2
erosion_2 = cv2.erode(kv,kernel,iterations=2)
plt.subplot(121)
plt.imshow(erosion)
plt.title("erosion")
plt.subplot(122)
plt.imshow(erosion_2)
plt.title("erosion_2")
plt.show()

Result.2

Note.

1.可以将周围噪声腐蚀掉，腐蚀次数过多，也会把有价值的图像腐蚀掉。

---

Morphology-Dilate（膨胀）

function：
def dilate(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None): 
	通过使用特定的结构元素来扩展图像。
	该函数使用指定的结构元素扩展源图像，该结构元素确定采用最大值的像素邻域的形状：

	该功能支持就地模式，扩张可以应用几次（迭代）次， 在多通道图像的情况下，每个通道被独立处理。
	
	参数
	SRC	输入图像; 通道数可以是任意的，但深度应该是CV_8U，CV_16U，CV_16S，CV_32F或CV_64F之一。
	DST	输出与src相同大小和类型的图像。
	kernel	用于扩张的结构元素; if element=Mat()，将使用3 x 3矩形结构元素。可以使用getStructuringElement创建内核。
	anchor	锚点在元素内的位置; 默认值（-1，-1）表示锚点位于元素中心。
	iterations	应用扩张的次数。
	borderType	像素外推法，参见cv :: BorderTypes
	borderValue	边界不变的边界值，当使用常量进行边界填充的时候生效。

Eg.

#使用dilate函数把图像重新膨胀
kv_dilate = cv2.dilate(erosion,kernel,iterations=1)
plt.subplot(121)
plt.imshow(erosion)
plt.title("erosion")
plt.subplot(122)
plt.imshow(kv_dilate)
plt.title("kv_dilate")
plt.show()

Result.1

#输出源图与（先腐蚀-再膨胀）处理后的图像区别
plt.subplot(121)
plt.imshow(cv2.cvtColor(kv,cv2.COLOR_BGR2RGB))
plt.title("Original")
plt.subplot(122)
plt.imshow(kv_dilate)
plt.title("kv_dilate")
plt.show()

Result.2

#尝试更多可能性，先膨胀，后腐蚀，图像会是怎么样呢？
#将源图膨胀
dilate = cv2.dilate(kv,kernel,iterations=1)
#将源图腐蚀
kv_erode = cv2.erode(dilate,kernel,iterations=1)
#输出，源图，膨胀一次，腐蚀一次的顺序图像
plt.subplot(131)
plt.imshow(kv)
plt.title("Original")
plt.subplot(132)
plt.imshow(dilate)
plt.title("dilate")
plt.subplot(133)
plt.imshow(kv_erode)
plt.title("kv_erode")
plt.show()

Result.3

Note.

1.由此可以发现，当先腐蚀，后膨胀，可以达到消除其他干扰的效果（适当的迭代次数）。

---

Morphology-开运算与闭运算

function：
def morphologyEx(src, op, kernel, dst=None, anchor=None, 
	iterations=None, borderType=None, borderValue=None): 
	执行高级形态转换。
	函数morphologyEx可以使用侵蚀和膨胀作为基本操作来执行高级形态学变换。
	任何操作都可以就地完成，在多通道图像的情况下，每个通道被独立处理。
	
	参数
	SRC	来源图片。通道数可以是任意的。深度应为CV_8U，CV_16U，CV_16S，CV_32F或CV_64F之一。
	DST	与源图像大小和类型相同的目标图像。
	OP	形态操作的类型，请参阅cv :: MorphTypes
	kernel	结构元素。它可以使用cv :: getStructuringElement创建。
	anchor	内核的锚定位置。负值意味着锚位于核心中心。
	iterations	侵蚀和扩张的次数。
	borderType	像素外推方法，请参阅cv :: BorderTypes
	borderValue	边界不变的边界值。默认值具有特殊含义。

MorphTypes

Eg.

# 开运算：先腐蚀，后膨胀
opening = cv2.morphologyEx(kv,cv2.MORPH_OPEN,kernel)

Result.1

#闭运算：先膨胀，后腐蚀
# closing = cv2.morphologyEx(kv,cv2.MORPH_CLOSE,kernel)

Result.2

Note.

1.@note迭代次数是应用侵蚀或扩张操作的次数。例如，具有两次迭代的打开操作（#MORPH_OPEN）相当于应用先后：侵蚀 - >侵蚀 - >扩张 - >扩张（而不是腐蚀 - >扩张 - >侵蚀 - >扩张）

---

Morphology-梯度运算

Eg.

#梯度运算（梯度=膨胀-腐蚀）
#膨胀
dilate = cv2.dilate(kv,kernel,iterations=1)
#腐蚀
erosion = cv2.erode(kv,kernel,iterations=1)
#相减
gradient1 = dilate-erosion
plt.subplot(121)
plt.imshow(gradient1)
plt.title("gradient1")

gradient2 = cv2.morphologyEx(kv,cv2.MORPH_GRADIENT,kernel)
plt.subplot(122)
plt.imshow(gradient2)
plt.title("gradient2")
plt.show()

Result.

Note.

1.梯度运算或许可以看做从膨胀到腐蚀要跨越的像素区

---

Morphology-TOPHAT&BLACKHAT

Eg.

#礼帽
tophat = cv2.morphologyEx(kv,cv2.MORPH_TOPHAT,kernel)
#黑帽
blackhat = cv2.morphologyEx(kv,cv2.MORPH_BLACKHAT,kernel)
#显示输出
plt.subplot(121)
plt.imshow(tophat)
plt.title("tophat")

plt.subplot(122)
plt.imshow(blackhat)
plt.title("blackhat")
plt.show()

Result.

Note.

1.顶帽和黑帽的运算，或许是更多用于噪声的提取。

---

END