形态学--morphologyEx

本文详细介绍了OpenCV中的morphologyEx函数,包括腐蚀、膨胀、开运算、闭运算、形态学梯度、礼帽和黑帽等操作。函数参数解析和应用场景也进行了说明,适用于CV_8U、CV_16U、CV_16S、CV_32F、CV_64F等深度的图像处理。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

	上篇博客写了膨胀和腐蚀能满足基本的图像处理,但是在处理灰度图或者彩色图时,需要额外的操作,这就用到函数cv2.morphologyEx()。

定义
opencv手册上给出的函数定义为:
dst = cv.morphologyEx( src, op, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]] )
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.
dst Destination image of the same size and type as source image.
cv.MORPH_ERODE 腐蚀
cv.MORPH_DILATE 膨胀
cv.MORPH_OPEN 开运算 (先腐蚀在膨胀)
dst=open(src,element)=dilate(erode(src,element))
cv.MORPH_CLOSE 闭运算 (先膨胀在腐蚀)
dst=close(src,element)=erode(dilate(src,element))
cv.MORPH_GRADIENT 形态学梯度
dst=morph_grad(src,element)=dilate(src,element)−erode(src,element)
cv.MORPH_TOPHAT 礼帽
dst=tophat(src,element)=src−open(src,element)
cv.MORPH_BLACKHAT 黑帽
dst=blackhat(src,element)=close(src,element)−src
cv.MORPH_HITMISS

### OpenCV Python 形态学处理教程 #### 形态学基本概念 形态学操作主要用于提取图像中的有用特征,如边界检测、噪声去除等。这些操作基于形状和结构来分析并处理图像[^1]。 #### 常见的形态学操作及其应用 - **腐蚀 (Erosion)** 和 **膨胀 (Dilation)** 是最基本的两种形态变换方法。 - **开运算 (Opening)** 可以用来消除小物体,在平滑较大对象边缘的同时也能断开狭窄部分。 - **闭运算 (Closing)** 则相反,它能填补前景物体内部的小洞或移除小黑点。 - 还有一些高级的操作像顶帽(Top Hat)以及黑帽(Black Hat),它们分别用于增强较亮区域对比度或是突出暗背景上的明亮细节[^4]。 #### 实际案例展示 下面给出一段完整的Python代码片段,展示了如何利用OpenCV执行上述提到的各种形态学转换: ```python import numpy as np import cv2 from matplotlib import pyplot as plt def show_images(images, titles=None): """显示多张图片""" n_ims = len(images) fig, axs = plt.subplots(1, n_ims, figsize=(n_ims * 5, 5)) for i in range(n_ims): ax = axs[i] if isinstance(axs, np.ndarray) else axs ax.imshow(cv2.cvtColor(images[i], cv2.COLOR_BGR2RGB)) if titles is not None and i < len(titles): ax.set_title(titles[i]) ax.axis('off') plt.show() # 加载原始图像 image_path = "path_to_your_image" original_img = cv2.imread(image_path) # 定义一个简单的正方形核 square_kernel = np.ones((5, 5), dtype=np.uint8) # 执行不同的形态学操作 erosion_result = cv2.erode(original_img, square_kernel, iterations=1) dilation_result = cv2.dilate(original_img, square_kernel, iterations=1) opening_result = cv2.morphologyEx(original_img, cv2.MORPH_OPEN, square_kernel) closing_result = cv2.morphologyEx(original_img, cv2.MORPH_CLOSE, square_kernel) black_hat_result = cv2.morphologyEx(original_img, cv2.MORPH_BLACKHAT, square_kernel) show_images([original_img, erosion_result, dilation_result, opening_result, closing_result, black_hat_result], ["Original Image", "Eroded", "Dilated", "Opened", "Closed", "Black Hat"]) ``` 这段脚本不仅实现了基础的功能演示,还通过`matplotlib`库提供了直观的结果可视化功能[^2][^3].
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值