OpenCV(12) 图像形态学操作之二：开运算与闭运算、梯度、礼帽与黑帽

我是PN结

于 2025-05-05 13:51:48 发布

阅读量735

点赞数 13

CC 4.0 BY-SA版权

文章标签： opencv 人工智能计算机视觉

本文链接：https://blog.csdn.net/2401_86889724/article/details/147712269

12.1 开运算与闭运算

开运算和闭运算就是将腐蚀和膨胀按照一定的次序进行处理。但这两者并不是可逆的，即先开后闭并不能得到原先的图像。

开运算：先腐蚀，再膨胀。能够排除小黑点。
闭运算：先膨胀，再腐蚀。能够排除小亮点。

但这两者并不是可逆的，即先开后闭并不能得到原先的图像。

12.2 形态学梯度

梯度 = 膨胀 – 腐蚀

因为膨胀是对图像的高亮区进行扩展，腐蚀是对图像的高亮区进行收缩，两者相减便能得到图像的轮廓。

12.3 礼帽和黑帽

礼帽 = 原图 - 开运算

黑帽 = 闭运算 – 原图

12.4 cv2.morphologyEx()形态学函数

函数原型

cv2. morphologyEx(src,op,kernel,dst = None,anchor = None,iterations = None,borderType = None,borderValue = None)

参数

src：输入图像，输入图像的通道数是任意的。
op：形态操作的类型如：cv2.MORPH_ERODE（腐蚀）= erode(src,element)；cv2.MORPH_DILATE（膨胀）= dilate(src,element)；cv2.MORPH_OPEN（开运算)= open(src,element)=dilate(erode(src,element))；cv2.MORPH_CLOSE（闭运算）= close(src,element)=erode(dilate(src,element))；cv2.MORPH_GRADIENT（梯度）=dilate(src,element)−erode(src,element)；cv2.MORPH_TOPHAT（“礼帽”）=src−open(src,element)；cv2.MORPH_BLACKHAT（黑帽）=close(src,element)−src；cv2.MORPH_HITMISS（命中或错过）-仅支持CV_8UC1二进制图像。可以在文档中找到相关教程）(详细参考官方文档 MorphTypes)
kernel：输入一个数组作为核。能被getStructuringElement创建。
anchor：核的锚点位置，负值说明该锚点位于核中心。默认为核中心。
iterations：整型int。腐蚀与膨胀被应用的次数。默认为None。例：一次开运算迭代两次：（MORPH_OPEN= ）伴随两次迭代等于：腐蚀--腐蚀--膨胀--膨胀。
borderType：像素边界扩展类型，参照官方文档所列的几种类型BorderTypes
borderValue：边界为常量时的边界值。默认值有特殊含义。默认值为None。

12.5 综合示例

import cv2
import numpy as np
import matplotlib.pyplot as plt

def erode_opration(image):
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    erode = cv2.morphologyEx(image, cv2.MORPH_ERODE, kernel)
    return erode

def dilate_opration(image):
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    dilate = cv2.morphologyEx(image, cv2.MORPH_DILATE, kernel)
    return dilate

def close_opration(image):
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    iClose = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)
    return iClose

def close_opration(image):
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    iClose = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)
    return iClose

def open_opration(image):
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    iOpen = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)
    return iOpen

def gradient_opration(image):
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    gdadient = cv2.morphologyEx(image,cv2.MORPH_GRADIENT, kernel)
    return gdadient

def topHat_opration(image):
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    topHat = cv2.morphologyEx(image,cv2.MORPH_TOPHAT, kernel)
    return topHat

def blackHat_opration(image):
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    blackHat = cv2.morphologyEx(image,cv2.MORPH_BLACKHAT, kernel)
    return blackHat
  
img = cv2.imread("C:\\Users\\liyou\\Downloads\\picture1.jpeg")
##img = cv2.merge((img[:,:,2],img[:,:,1],img[:,:,0]))
gray = cv2.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
erode = erode_opration(binary)
dilate = dilate_opration(binary)
iOpen = open_opration(binary)
iClose = close_opration(binary)
gdadient = gradient_opration(binary)
topHat = topHat_opration(binary)
blackHat = blackHat_opration(binary)

names = ['Origin','gray','binary','erode','dilate','iOpen','iClose','gdadient','topHat','blackHat']
images =  [img,gray,binary,erode,dilate,iOpen,iClose,gdadient,topHat,blackHat]

plt.figure(figsize=(25.6,12.8))
for i in range(3):
    for j in range(4):
        plt.subplot(3,4,i*4+j+1),plt.imshow(images[i*4+j])
        plt.title(names[i*4+j],fontsize=30), plt.xticks([]), plt.yticks([])
        num=i*4+j
        if num >= len(names)-1:
            break

plt.show()

运行结果如下：