形态转换

目标

在本章中，

• 我们将学习侵蚀、膨胀、开启、闭合等不同的形态学操作。
• 我们将看到不同的函数，如：cv.erode()、cv.dilate()、cv.morphologyEx() 等。

理论

形态学转换是基于图像形状的一些简单操作。它通常在二值图像上执行。它需要两个输入，一个是我们的原始图像，另一个称为结构元素或内核，决定操作的性质。两个基本形态学算子是侵蚀和膨胀。然后，它的变体形式如开启、闭合、梯度等也会发挥作用。我们将借助以下图像逐一查看它们

图像

1. 侵蚀

侵蚀的基本思想就像土壤侵蚀一样，它侵蚀前景色对象的边界（总是尝试将前景色保持为白色）。那么它做了些什么？内核滑动通过图像（与 2D 卷积一样）。只有内核下方的所有像素都为 1，原始图像中的像素（1 或 0）才被认为是 1，否则它被侵蚀（变为 0）。

因此，发生的事情是，根据内核的大小，所有边界附近的像素都将被丢弃。因此，前景色对象的厚度或大小减小，或者图像中的白色区域减小。它可用于移除小的白色噪声（如我们在色彩空间章节中看到的），分离两个连接的对象等。

在此，作为一个示例，我将使用一个充满 1 的 5x5 内核。让我们看看它是如何工作的

import cv2 as cv
import numpy as np
 
img = cv.imread('j.png', cv.IMREAD_GRAYSCALE)
assert img is not None, "file could not be read, check with os.path.exists()"
kernel = np.ones((5,5),np.uint8)
erosion = cv.erode(img,kernel,iterations = 1)

结果

图像

2. 膨胀

它是腐蚀的反面。这里，如果内核下的至少一个像素为“1”，则像素元素为“1”。因此，它会增加图像中的白色区域或前景对象的大小。通常，在像去除噪声等情况下，膨胀后接腐蚀。因为，腐蚀会去除白色噪声，但它也会使我们的物体缩小。因此我们对它进行膨胀。由于噪声已经消失，因此它们不会回来，但我们的对象区域会增加。它还可用于连接对象的断开部分。

dilation = cv.dilate(img,kernel,iterations = 1)

结果

图像

3. 开运算

开运算只是“腐蚀后再膨胀”的另一种说法。它可用于去除噪声，如上所述。这里我们使用函数，cv.morphologyEx()

opening = cv.morphologyEx(img, cv.MORPH_OPEN, kernel)

结果

图像

4. 闭运算

闭运算是开运算的逆运算，先膨胀后腐蚀。它可用于闭合前景对象内部的小孔或对象上的小黑点。

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

结果

图像

5. 形态学梯度

它是图像的膨胀和腐蚀之间的差异。

结果将看起来像对象的轮廓。

gradient = cv.morphologyEx(img, cv.MORPH_GRADIENT, kernel)

结果

图像

6. 顶帽

它是输入图像与其开运算之间的差异。以下示例针对 9x9 内核完成。

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

结果

图像

7. 黑帽算法

它是在输入图像和闭合输入图像之间的差。

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

结果

图像

形态学结构元素

在之前的示例中，我们使用 Numpy 手动创建了结构元素。它是矩形形状。但在某些情况下，你可能需要椭圆形/圆形内核。为此，OpenCV 有一个函数cv.getStructuringElement()。你只需要传递内核的形状和大小，便可得到所需的内核。

# 矩形内核
>>> cv.getStructuringElement(cv.MORPH_RECT,(5,5))
[[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]]
 
# 椭圆内核
>>> cv.getStructuringElement(cv.MORPH_ELLIPSE,(5,5))
[[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]]
 
# 十字形内核
>>> cv.getStructuringElement(cv.MORPH_CROSS,(5,5))
[[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]]

附加资源

1. 形态学运算 in HIPR2

练习