Open_CV形态学运算专题|Open_CV形态学运算专题（腐蚀&膨胀、开&闭运算、梯度运算、顶帽运算黑帽运算）【Python-Open_CV系列（十）】 Open

?
Open_CV形态学运算专题之腐蚀&膨胀、开&闭运算、梯度运算、顶帽运算黑帽运算
?
????????????【Python-Open_CV系列（十）】
?

文章目录

1. 腐蚀 & 膨胀
- 1.1什么是腐蚀&膨胀
- 1.2 腐蚀方法 cv2.erode()
- 1.3 膨胀方法 cv2.dilate()
2. 开运算 & 闭运算
- 2.1 简述
- 2.2 开运算
- 2.3 闭运算
3. morphologyEx()方法
- 3.1 morphologyEx()方法介绍
- 3.2 梯度运算
- 3.3 顶帽运算
- 3.4 黑帽运算

??????????????????????????????????????????????????????????????????????????????????????????????
?????????????????
文章图片

文章图片

文章图片

文章图片

文章图片

??????????????????????????????????????????????????????????????????????????????????????????????????????????????????
??=========================================================
大家好，我是侯小啾！
文章图片

?
?
?
文章图片
欢迎各路大佬来到小啾主页指点??。今天小啾要分享的内容是，Open_CV形态学运算专题（腐蚀&膨胀、开&闭运算、梯度运算、顶帽运算黑帽运算）。Python-Open_CV系列博文第十篇。如有疑问欢迎随时在评论区交流。??
??=========================================================

1. 腐蚀 & 膨胀 1.1什么是腐蚀&膨胀

腐蚀&膨胀是图像形态学中的两种核心操作，

腐蚀可以描述为是让图像沿着自己的边界向内收缩，
而膨胀则刚好与收缩相反，可以描述为是让图像沿着边界向内扩张。

这两种操作的逻辑和作用都和上篇（第九篇）讲到的使用滤波器做平滑处理有些类似，不同之处在于，腐蚀求的是滤波核内像素的最小值，而膨胀求的是最大值。并将计算出的值复制给锚点位置的像素。
作用上同平滑处理类似，可以消除噪声。
因为腐蚀求的是最小值，膨胀求的是最大值，所以经过腐蚀操作的图像的总体亮度会有所降低，而经过膨胀操作的图像的总体亮度会有所升高。
为方便示例，准备以下图片素材（test1.jpg）：
??????
文章图片

1.2 腐蚀方法 cv2.erode()

python中OpenCV使用cv2.erode()方法实现腐蚀操作。
该方法语法如下：

cv2.erode(src, kernel, anchor=None, iterations=None, borderType=None, borderValue=https://www.it610.com/article/None)

scr 原图像
kernel 腐蚀要用到的核
anchor 锚点
iterations 可选参数，腐蚀操作的迭代次数，默认为1。
borderType 边界样式，可选。
borderValue 边界值，可选。

其中kernel这个参数，核，需要手动取创建一个数组，而不能是像滤波器那样指定一个大小。

import cv2 import numpy as np img = cv2.imread("test1.jpg") # 创建3*3的数组作为滤波核 k = np.ones((3, 3), np.uint8) dst = cv2.erode(img, k) cv2.imshow("dst", dst) cv2.waitKey() cv2.destroyAllWindows()

腐蚀效果如下，如图，我们的鱼骨显得年代更久远了，鱼刺消失、变暗了相当一部分。
????
文章图片

1.3 膨胀方法 cv2.dilate()

【Open_CV形态学运算专题|Open_CV形态学运算专题（腐蚀&膨胀、开&闭运算、梯度运算、顶帽运算黑帽运算）【Python-Open_CV系列（十）】】python中OpenCV使用cv2.dilate()方法实现膨胀操作。
该方法语法如下：

dilate(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=https://www.it610.com/article/None)

可以看出，其参数用法同cv2.erode()的参数。

import cv2 import numpy as np img = cv2.imread("test1.jpg") # 创建16*16的数组作为核 k = np.ones((16, 16), np.uint8) dst = cv2.dilate(img, k) cv2.imshow("dst", dst) cv2.waitKey() cv2.destroyAllWindows()

膨胀效果如下，如图所示，图片众多鱼的亮度明显变高了。
??????
文章图片

这种图像效果，也被称之为“近视眼”效果。

2. 开运算 & 闭运算 2.1 简述

开运算就是将图像先进性腐蚀操作，再进行膨胀操作。其可以用来抹除图像外部的细节(噪声)。
闭运算则与之相反，
闭运算是先对图像进行膨胀操作，在进行腐蚀操作。其可以用来抹除图像的内部细节(噪声)。

腐蚀和膨胀虽然是逆操作，但是开运算和闭运算都不会使图像恢复原状。

2.2 开运算

以 3 为核
代码示例如下

import cv2 import numpy as np img = cv2.imread("test1.jpg") k = np.ones((3, 3), np.uint8) dst = cv2.erode(img, k) dst = cv2.dilate(dst, k) cv2.imshow("dst", dst) cv2.waitKey() cv2.destroyAllWindows()

??????

Open_CV形态学运算专题|Open_CV形态学运算专题（腐蚀&膨胀、开&闭运算、梯度运算、顶帽运算黑帽运算）【Python-Open_CV系列（十）】

文章图片

2.3 闭运算

以 10 为核
代码示例如下

import cv2 import numpy as np img = cv2.imread("test1.jpg") k = np.ones((10, 10), np.uint8) dst = cv2.dilate(img, k) dst = cv2.erode(dst, k) cv2.imshow("dst", dst) cv2.waitKey() cv2.destroyAllWindows()

??????

文章图片

3. morphologyEx()方法 3.1 morphologyEx()方法介绍

在python中OpenCV还提供了morphologyEx()方法（形态学方法），可以用来完成所有常用的形态学运算。
morphologyEx()语法如下：
morphologyEx(src, op, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=https://www.it610.com/article/None)

其中

scr 表示图像
op 表示操作类型
kernel 表示核
anchor 表示锚点
iterations 为迭代次数，默认为1
borderType 是边界样式，默认1
borderValue 是边界值，默认1

可以供op选择的操作类型有：

参数值	描述
cv2.MORPH_ERODE	腐蚀
cv2.MORPH_DILATE	膨胀
cv2.MORPH_ OPEN	开运算，先腐蚀后膨胀
cv2.MORPH_CLOSE	闭运算，先膨胀后腐蚀
cv2.MORPH_GRADIENT	梯度运算，膨胀图减腐蚀图
cv2.MORPH_TOPHAT	顶帽运算，原始图减开运算图
cv2.MORPH_BLACKHAT	黑帽运算，闭运算图，减开运算图

接下来我们使用图片"test2.jpg"（下图）来继续下边的示例：
???
文章图片

3.2 梯度运算

对“test2.jpg”以 4 为核做梯度运算：

import cv2 import numpy as np img = cv2.imread("test2.jpg") k = np.ones((4, 4), np.uint8) dst = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, k) cv2.imshow("dst", dst) cv2.waitKey() cv2.destroyAllWindows()

梯度运算，即膨胀图减去腐蚀图，
?
因为膨胀运算得到的图像中我物体比原图中的“大”，而腐蚀运算得到的图像中的物体是收缩过的，比原图中的“小”，所以膨胀的结果减去腐蚀的结果，会得到一个大概的、不精准的轮廓。
?
test2.jpg梯度运算执行效果如下：
??
文章图片

3.3 顶帽运算

对“test2.jpg”以 4 为核做顶帽运算：

import cv2 import numpy as np img = cv2.imread("test2.jpg") k = np.ones((4, 4), np.uint8) cv2.imshow("img", img) dst = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, k) cv2.imshow("dst", dst) cv2.waitKey() cv2.destroyAllWindows()

顶帽运算，即原图减去开运算图，
因为开运算抹除了图像的外部细节，所以顶帽运算即“有外部细节的图像减去无外部细节的图像”，得到的结果也就只剩外部细节了。
?
顶帽运算处理效果如下：
??
文章图片

3.4 黑帽运算

对“test2.jpg”以 4 为核做顶帽运算：

import cv2 import numpy as np img = cv2.imread("test2.jpg") k = np.ones((4, 4), np.uint8) dst = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, k) cv2.imshow("dst", dst) cv2.waitKey() cv2.destroyAllWindows()