opencv 形态学操作(python)

形态学操作

形态学，即数学形态学（Mathematical Morphology），是图像处理过程中一个非常重要的研究方向。

形态学主要从图像内提取分量信息，该分量信息通常对于表达和描绘图像的形状具有重要意义，通常是图像理解时所使用的最本质的形状特征。

形态学操作主要包含：腐蚀、膨胀、开运算、闭运算、形态学梯度（Morphological Gradient）运算、顶帽运算（礼帽运算）、黑帽运算等操作。

腐蚀操作和膨胀操作是形态学运算的基础，将腐蚀和膨胀操作进行结合，就可以实现开运算、闭运算、形态学梯度运算、顶帽运算、黑帽运算、击中击不中等不同形式的运算。

腐蚀

它能够将图像的边界点消除，使图像沿着边界向内收缩，也可以将小于指定结构体元素的部分去除。

腐蚀用来“收缩”或者“细化”二值图像中的前景，借此实现去除噪声、元素分割等功能。

在腐蚀过程中，通常使用一个结构元来逐个像素地扫描要被腐蚀的图像，并根据结构元和被腐蚀图像的关系来确定腐蚀结果。

腐蚀操作等形态学操作是逐个像素地来决定值的，每次判定的点都是与结构元中心点所对应的点。

• 如果结构元完全处于前景图像中，就将结构元中心点所对应的腐蚀结果图像中的像素点处理为前景色（白色，像素点的像素值为1）。
• 如果结构元未完全处于前景图像中（可能部分在，也可能完全不在），就将结构元中心点对应的腐蚀结果图像中的像素点处理为背景色（黑色，像素点的像素值为0）。

在kernel完全位于前景图象中时，将其中心点所对应的rst中像素点的值置为1；当kernel不完全位于前景图像中时，将其中心点对应的rst中像素点的值置为0。

使用函数cv2.erode()实现腐蚀操作，其语法：

dst = cv2.erode( src, kernel[, anchor[, iterations[, borderType[,borderValue]]]] ) 

• dst是腐蚀后所输出的目标图像，该图像和原始图像具有同样的类型和大小。

• src是需要进行腐蚀的原始图像，图像的通道数可以是任意的。但是要求图像的类型必须是CV_8U、CV_16U、CV_16S、CV_32F、CV_64F中的一种。

• kernel代表腐蚀操作时所采用的结构类型。它可以自定义生成，也可以通过函数cv2.getStructuringElement()生成。

• anchor代表element结构中锚点的位置。该值默认为(-1, -1)，在核的中心位置。

• iterations是腐蚀操作迭代的次数，该值默认为1，即只进行一次腐蚀操作。

• borderType代表边界样式，一般采用其默认值BORDER_CONSTANT。

  

• borderValue是边界值，一般采用默认值。

  在C++中提供了函数morphologyDefaultBorderValue()来返回腐蚀和膨胀的“魔力（magic）”边界值，Python不支持该函数。

使用数组演示腐蚀的基本原理

import cv2 
import numpy as np 
img=np.zeros((5,5), np.uint8) 
img[1:4,1:4]=1 
kernel = np.ones((3,1), np.uint8) 
erosion = cv2.erode(img, kernel) 
print("img=\n", img) 
print("kernel=\n", kernel) 
print("erosion=\n", erosion) 

使用函数cv2.erode()完成图像腐蚀

import cv2 
import numpy as np 
o=cv2.imread("erode.bmp", cv2.IMREAD_UNCHANGED) 
kernel = np.ones((5,5), np.uint8) 
erosion = cv2.erode(o, kernel) 
cv2.imshow("orriginal", o) 
cv2.imshow("erosion", erosion) 
cv2.waitKey() 
cv2.destroyAllWindows()

处理图像是: 二值图像

膨胀

膨胀操作和腐蚀操作的作用是相反的，膨胀操作能对图像的边界进行扩张。膨胀操作将与当前对象（前景）接触到的背景点合并到当前对象内，从而实现将图像的边界点向外扩张。

如果图像内两个对象的距离较近，那么在膨胀的过程中，两个对象可能会连通在一起。膨胀操作对填补图像分割后图像内所存在的空白相当有帮助。

在膨胀过程中，也是使用一个结构元来逐个像素地扫描要被膨胀的图像，并根据结构元和待膨胀图像的关系来确定膨胀结果。

• 如果结构元中任意一点处于前景图像中，就将膨胀结果图像中对应像素点处理为前景色。
• 如果结构元完全处于背景图像外，就将膨胀结果图像中对应像素点处理为背景色。

采用函数cv2.dilate()实现对图像的膨胀操作：

dst = cv2.dilate( src, kernel[, anchor[, iterations[, borderType[, borderValu