形态学操作

犀渠玉剑良家子，白马金羁侠少年。这篇文章主要讲述形态学操作相关的知识，希望能为你提供帮助。
形态学操作
形态学操作是根据图像形状进行的简单操作。一般情况下对二值化图像进行的操作。需要输入两个参数，一个是原始图像，第二个被称为结构化元素或核，它是用来决定操作的性质的。两个基本的形态学操作是腐蚀和膨胀。他们的变体构成了开运算，闭运算，梯度等。
结构元素
图像处理经常要用到形态学操作，其中首先要获取结构元素。包括结构元素的大小及形状。
我们使用 Numpy 构建了结构化元素，它是正方形的。但有时我们需要构建一个椭圆形/圆形的核。为了实现这种要求，提供了 OpenCV函数 cv2.getStructuringElement()。你只需要告诉他你需要的核的形状和大小。

# 矩形 kernel = np.ones((5,5),np.uint8) kernel_1 = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5)) print("矩形:\\n%s"%kernel) #print("矩形1:\\n%s"%kernel_1) # 椭圆 kernel_2 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5)) print("椭圆:\\n%s"%kernel_2) # 十字形 kernel_3 = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5)) print("十字:\\n%s"%kernel_3)

矩形: [[1 1 1 1 1] [1 1 1 1 1] [1 1 1 1 1] [1 1 1 1 1] [1 1 1 1 1]] 椭圆: [[0 0 1 0 0] [1 1 1 1 1] [1 1 1 1 1] [1 1 1 1 1] [0 0 1 0 0]] 十字: [[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]]

腐蚀 (erode)
定义E为欧氏空间，在二值图像A上使用B进行腐蚀运算的定义为：

其中为B平移向量z得到。

文章图片

在深蓝色正方形上使用圆盘进行腐蚀运算，结果为浅蓝色正方形。
腐蚀作用：可以用来消除小且无意义的物体。

dst =cv2.erode(src,kernel,iterations = 1)

参数意义如下:

src：输入图像
dst：输出图像
kernel：核(结构元素)
iterations：迭代次数

例子

def img_show(name,image): """matplotlib图像显示函数 name：字符串，图像标题 img：numpy.ndarray，图像 """ if len(image.shape) == 3: image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB) plt.imshow(image,\'gray\') plt.xticks([]) plt.yticks([]) plt.xlabel(name,fontproperties=\'FangSong\',fontsize=12) if __name__=="__main__":img = cv2.imread("data/Fig0905(a)(wirebond-mask).tif") # 矩形 kernel = np.ones((5,5),np.uint8)erosion =cv2.erode(img,kernel,iterations = 1)plt.subplot(121) img_show("original",img) plt.subplot(122) img_show(\'erosion\',erosion)

文章图片

膨胀 (dilate)
定义E为欧氏空间，在二值图像A上使用B进行膨胀运算的定义为：

其中为A平移向量b得到。

文章图片

在深蓝色正方形上使用圆盘进行膨胀运算，结果为浅蓝色正方形，带有圆角。
膨胀作用：可以用来填补物体中的空洞。

dst = cv2.dilate(src,kernel,iterations = 1)

参数意义同腐蚀。
例子

def img_show(name,image): """matplotlib图像显示函数 name：字符串，图像标题 img：numpy.ndarray，图像 """ if len(image.shape) == 3: image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB) plt.imshow(image,\'gray\') plt.xticks([]) plt.yticks([]) plt.xlabel(name,fontproperties=\'FangSong\',fontsize=12) if __name__=="__main__":img = cv2.imread("data/Fig0905(a)(wirebond-mask).tif") # 矩形 kernel = np.ones((5,5),np.uint8)dilation = cv2.dilate(img,kernel,iterations = 1)plt.figure(figsize=(10,8),dpi = 80) plt.subplot(121) img_show("original",img) plt.subplot(122) img_show(\'dilation\',dilation )

文章图片

开运算
在数学形态学中，开运算被定义为先腐蚀后膨胀。

其中和分别表示腐蚀和膨胀。

文章图片

在深蓝色正方形上使用圆盘进行开运算，结果为浅蓝色正方形，带有圆角。
开运算作用：它被用来去除噪声

opening = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)

参数意义如下:

src：输入图像
cv2.MORPH_OPEN：形态学开运算
kernel：核(结构元素)

例子

def img_show(name,image): """matplotlib图像显示函数 name：字符串，图像标题 img：numpy.ndarray，图像 """ if len(image.shape) == 3: image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB) plt.imshow(image,\'gray\') plt.xticks([]) plt.yticks([]) plt.xlabel(name,fontproperties=\'FangSong\',fontsize=12) if __name__=="__main__":img = cv2.imread("data/FigP0918(left).tif") # 矩形 kernel = np.ones((5,5),np.uint8)opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)plt.figure(figsize=(10,8),dpi = 80) plt.subplot(121) img_show("original",img) plt.subplot(122) img_show(\'opening\',opening)

文章图片

闭运算
在数学形态学中，闭运算被定义为先膨胀后腐蚀。

其中和分别表示腐蚀和膨胀。

文章图片

在深蓝色区域（两个相连的正方形）上使用圆盘进行闭运算，结果为深蓝色和浅蓝色的并集。
闭运算作用：经常被用来填充前景物体中的小洞，或者前景物体上的小黑点。

closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

cv2.MORPH_CLOSE代表闭运算，其他参数意义同开运算。
例子

def img_show(name,image): """matplotlib图像显示函数 name：字符串，图像标题 img：numpy.ndarray，图像 """ if len(image.shape) == 3: image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB) plt.imshow(image,\'gray\') plt.xticks([]) plt.yticks([]) plt.xlabel(name,fontproperties=\'FangSong\',fontsize=12) if __name__=="__main__":img = cv2.imread("data/Fig0907(a)(text_gaps_1_and_2_pixels).tif") # 矩形 kernel = np.ones((5,5),np.uint8)closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)plt.figure(figsize=(10,8),dpi = 80) plt.subplot(121) img_show("original",img) plt.subplot(122) img_show(\'closing\',closing)

文章图片

【形态学操作】

文章图片

形态学梯度
其实就是一幅图像膨胀与腐蚀的之差。
形态学梯度作用：提取前景物体的轮廓。

gradient = cv2.morphologyEx(src, cv2.MORPH_GRADIENT, kernel)

cv2.MORPH_GRADIENT代表形态学梯度，其他参数意义同开运算。
例子

def img_show(name,image): """matplotlib图像显示函数 name：字符串，图像标题 img：numpy.ndarray，图像 """ if len(image.shape) == 3: image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB) plt.imshow(image,\'gray\') plt.xticks([]) plt.yticks([]) plt.xlabel(name,fontproperties=\'FangSong\',fontsize=12) if __name__=="__main__":img = cv2.imread("data/FigP0905(U).tif")# 十字形 kernel = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5)) #print("十字:\\n%s"%kernel_3)gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)plt.figure(figsize=(10,8),dpi = 80) plt.subplot(121) img_show("original",img) plt.subplot(122) img_show(\'gradient\',gradient)

文章图片

礼帽
原始图像与进行开运算之后得到的图像的差。

tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

例子

def img_show(name,image): """matplotlib图像显示函数 name：字符串，图像标题 img：numpy.ndarray，图像 """ if len(image.shape) == 3: image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB) plt.imshow(image,\'gray\') plt.xticks([]) plt.yticks([]) plt.xlabel(name,fontproperties=\'FangSong\',fontsize=12) if __name__=="__main__":img = cv2.imread("data/Fig0905(a)(wirebond-mask).tif") # 矩形 kernel = np.ones((5,5),np.uint8)tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)plt.figure(figsize=(10,8),dpi = 80) plt.subplot(121) img_show("original",img) plt.subplot(122) img_show(\'tophat\',tophat)

文章图片

黑帽
进行闭运算之后得到的图像与原始图像的差。

blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

例子

def img_show(name,image): """matplotlib图像显示函数 name：字符串，图像标题 img：numpy.ndarray，图像 """ if len(image.shape) == 3: image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB) plt.imshow(image,\'gray\') plt.xticks([]) plt.yticks([]) plt.xlabel(name,fontproperties=\'FangSong\',fontsize=12) if __name__=="__main__":img = cv2.imread("data/FigP0936(bubbles_on_black_background).tif") # 矩形 kernel = np.ones((5,5),np.uint8)blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)plt.figure(figsize=(10,8),dpi = 80) plt.subplot(121) img_show("original",img) plt.subplot(122) img_show(\'blackhat\',blackhat)