形态学变换

目标

• 我们将学习不同的形态学操作，如腐蚀、膨胀、开运算、闭运算等。
• 我们将学习不同的函数，例如：cv.erode(), cv.dilate(), cv.morphologyEx() 等。

理论

形态学转换是一些基于图像形状的简单操作。它通常在二值图像上进行。它需要两个输入，一个是原始图像，第二个被称为结构元素或内核，它决定了操作的性质。两个基本的形态学算子是腐蚀和膨胀。然后，它的变体形式，如开运算、闭运算、梯度等也会发挥作用。我们将借助以下图像逐一了解它们

image

1. 腐蚀

腐蚀的基本思想就像土壤侵蚀一样，它会侵蚀前景对象的边界（始终尝试将前景保持为白色）。那么它是如何工作的呢？内核在图像上滑动（如在 2D 卷积中）。只有当内核下的所有像素都为 1 时，原始图像中的像素（1 或 0）才会被视为 1，否则它会被腐蚀（变为零）。

因此，发生的情况是，边界附近的所有像素都会根据内核的大小被丢弃。因此，前景对象的厚度或大小减小，或者图像中的白色区域减小。它对于去除小的白色噪声（正如我们在色彩空间章节中看到的那样）、分离两个连接的对象等很有用。

我们使用函数：cv.erode (src, dst, kernel, anchor = new cv.Point(-1, -1), iterations = 1, borderType = cv.BORDER_CONSTANT, borderValue = cv.morphologyDefaultBorderValue())

参数

src	输入图像；通道数可以是任意的，但深度应为 cv.CV_8U、cv.CV_16U、cv.CV_16S、cv.CV_32F 或 cv.CV_64F 之一。
dst	与 src 相同大小和类型的输出图像。
kernel	用于腐蚀的结构元素。
anchor	元素内锚点的位置；默认值 new cv.Point(-1, -1) 表示锚点位于元素中心。
iterations	应用腐蚀的次数。
borderType	像素外推方法（参见 cv.BorderTypes）。
borderValue	常量边界情况下的边界值

试试看

2. 膨胀

它与腐蚀正好相反。这里，如果内核下至少有一个像素为“1”，则像素元素为“1”。因此，它增加了图像中的白色区域或前景对象的大小。通常，在诸如去除噪声的情况下，腐蚀之后是膨胀。因为，腐蚀会去除白色噪声，但它也会缩小我们的对象。所以我们膨胀它。由于噪声已经消失，它们不会回来，但我们的对象区域增加了。它也有助于连接对象的断开部分。

我们使用函数：cv.dilate (src, dst, kernel, anchor = new cv.Point(-1, -1), iterations = 1, borderType = cv.BORDER_CONSTANT, borderValue = cv.morphologyDefaultBorderValue())

参数

src	输入图像；通道数可以是任意的，但深度应为 cv.CV_8U、cv.CV_16U、cv.CV_16S、cv.CV_32F 或 cv.CV_64F 之一。
dst	与 src 相同大小和类型的输出图像。
kernel	用于膨胀的结构元素。
anchor	元素内锚点的位置；默认值 new cv.Point(-1, -1) 表示锚点位于元素中心。
iterations	应用膨胀的次数。
borderType	像素外推方法（参见 cv.BorderTypes）。
borderValue	常量边界情况下的边界值

试试看

3. 开运算

开运算只是腐蚀后膨胀的另一种名称。它有助于去除噪声。

我们使用函数：cv.morphologyEx (src, dst, op, kernel, anchor = new cv.Point(-1, -1), iterations = 1, borderType = cv.BORDER_CONSTANT, borderValue = cv.morphologyDefaultBorderValue())

参数

src	源图像。通道数可以是任意的。深度应为 cv.CV_8U、cv.CV_16U、cv.CV_16S、cv.CV_32F 或 cv.CV_64F 之一
dst	与源图像大小和类型相同的目标图像。
op	形态学操作的类型，（参见 cv.MorphTypes）。
kernel	结构元素。可以使用 cv.getStructuringElement 创建。
anchor	内核内的锚点位置。负值表示锚点位于内核中心。
iterations	应用膨胀的次数。
borderType	像素外推方法（参见 cv.BorderTypes）。
borderValue	常量边界情况下的边界值。默认值具有特殊含义。

试试看

4. 闭运算

闭运算是开运算的逆运算，膨胀后腐蚀。它有助于闭合前景对象内部的小孔，或对象上的小黑点。

试试看

5. 形态学梯度

它是图像的膨胀和腐蚀之间的差异。

结果看起来会像对象的轮廓。

试试看

6. 顶帽

它是输入图像和图像开运算之间的差异。

试试看

7. 黑帽

它是输入图像闭运算和输入图像之间的差异。

试试看

结构元素

我们在之前的示例中借助 cv.Mat.ones 手动创建了结构元素。它是矩形形状。但在某些情况下，您可能需要椭圆形/圆形内核或菱形内核。因此，为此，OpenCV 有一个函数 cv.getStructuringElement()。您只需传递内核的形状和大小，即可获得所需的内核。

我们使用函数：cv.getStructuringElement (shape, ksize, anchor = new cv.Point(-1, -1))

参数

shape	元素形状，可以是 cv.MorphShapes 之一
ksize	结构元素的大小。
anchor	元素内的锚点位置。默认值 [-1, -1] 表示锚点位于中心。请注意，只有十字形元素的形状取决于锚点位置。在其他情况下，锚点只会调节形态学运算的结果移动多少。

试试看