图像形态学操作是图像处理中的一种重要技术，主要用于处理二值图像（即黑白图像）。
OpenCV 中的图像形态学操作是图像处理中的重要工具，通过腐蚀、膨胀、开运算、闭运算和形态学梯度等操作，可以实现对图像的噪声去除、对象分离、边缘检测等效果。掌握这些操作有助于更好地处理和分析图像数据。
以下是 OpenCV 中常用的形态学操作及其函数：
1. 腐蚀 (cv2.erode())
腐蚀操作是一种缩小图像中前景对象的过程。
腐蚀操作通过将结构元素与图像进行卷积，只有当结构元素完全覆盖图像中的前景像素时，中心像素才会被保留，否则会被腐蚀掉。
函数原型 cv2.erode(src, kernel, iterations=1) |
- src: 输入图像，通常是二值图像。
- kernel: 结构元素，可以自定义或使用 cv2.getStructuringElement()
生成。
- iterations: 腐蚀操作的次数，默认为1。
实例
import cv2
import numpy as np
# 读取图像
image = cv2.imread('image.png', 0)
# 定义结构元素
kernel = np.ones((5,5), np.uint8)
# 腐蚀操作
eroded_image = cv2.erode(image, kernel, iterations=1)
# 显示结果
cv2.imshow('Eroded Image', eroded_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
|
腐蚀操作会使图像中的前景对象变小，边缘被腐蚀掉，常用于去除噪声或分离连接的对象。
2. 膨胀 (cv2.dilate())
膨胀操作与腐蚀相反，它是一种扩大图像中前景对象的过程。
膨胀操作通过将结构元素与图像进行卷积，只要结构元素与图像中的前景像素有重叠，中心像素就会被保留。
函数原型 cv2.dilate(src, kernel, iterations=1) |
- src: 输入图像，通常是二值图像。
- kernel: 结构元素，可以自定义或使用 cv2.getStructuringElement()
生成。
- iterations: 膨胀操作的次数，默认为1。
实例
import cv2
import numpy as np
# 读取图像
image = cv2.imread('image.png', 0)
# 定义结构元素
kernel = np.ones((5,5), np.uint8)
# 膨胀操作
dilated_image = cv2.dilate(image, kernel, iterations=1)
# 显示结果
cv2.imshow('Dilated Image', dilated_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
|
膨胀操作会使图像中的前景对象变大，边缘被扩展，常用于填补前景对象中的空洞或连接断裂的对象。
3. 开运算 (cv2.morphologyEx() with cv2.MORPH_OPEN)
开运算是先腐蚀后膨胀的组合操作。
开运算主要用于去除图像中的小噪声或分离连接的对象。
函数原型 cv2.morphologyEx(src, op, kernel) |
- src: 输入图像，通常是二值图像。
- op: 形态学操作类型，开运算使用 cv2.MORPH_OPEN。
- kernel: 结构元素，可以自定义或使用 cv2.getStructuringElement()
生成。
实例
import cv2
import numpy as np
# 读取图像
image = cv2.imread('image.png', 0)
# 定义结构元素
kernel = np.ones((5,5), np.uint8)
# 开运算
opened_image = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)
# 显示结果
cv2.imshow('Opened Image', opened_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
|
开运算可以去除图像中的小噪声，同时保留图像中的主要前景对象。
4. 闭运算 (cv2.morphologyEx() with cv2.MORPH_CLOSE)
闭运算是先膨胀后腐蚀的组合操作。
闭运算主要用于填补前景对象中的小孔或连接断裂的对象。
函数原型 cv2.morphologyEx(src, op, kernel) |
- src: 输入图像，通常是二值图像。
- op: 形态学操作类型，闭运算使用 cv2.MORPH_CLOSE。
- kernel: 结构元素，可以自定义或使用 cv2.getStructuringElement()
生成。
实例
import cv2
import numpy as np
# 读取图像
image = cv2.imread('image.png', 0)
# 定义结构元素
kernel = np.ones((5,5), np.uint8)
# 闭运算
closed_image = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)
# 显示结果
cv2.imshow('Closed Image', closed_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
|
闭运算可以填补前景对象中的小孔，同时保留图像中的主要前景对象。
5. 形态学梯度 (cv2.morphologyEx() with cv2.MORPH_GRADIENT)
形态学梯度是膨胀图像与腐蚀图像的差值。
形态学梯度主要用于提取图像中前景对象的边缘。
函数原型 cv2.morphologyEx(src, op, kernel) |
- src: 输入图像，通常是二值图像。
- op: 形态学操作类型，形态学梯度使用 cv2.MORPH_GRADIENT。
- kernel: 结构元素，可以自定义或使用 cv2.getStructuringElement()
生成。
实例
import cv2
import numpy as np
# 读取图像
image = cv2.imread('image.png', 0)
# 定义结构元素
kernel = np.ones((5,5), np.uint8)
# 形态学梯度
gradient_image = cv2.morphologyEx(image, cv2.MORPH_GRADIENT, kernel)
# 显示结果
cv2.imshow('Gradient Image', gradient_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
|
|
