OpenCV|OpenCV计算机视觉实战（Python）| 04、图像形态学处理 Vision|Computer

文章目录

简介
总结

形态学-腐蚀操作
形态学-膨胀操作
形态学-开/闭操作

开运算
闭运算

梯度运算
礼帽和黑帽

简介 【OpenCV|OpenCV计算机视觉实战（Python）| 04、图像形态学处理】本节为《OpenCV计算机视觉实战（Python）》版第四讲，图像形态学处理，的总结。
总结形态学-腐蚀操作

img = cv2.imread('dige.png')cv2.imshow('img',img) cv2.waitKey(0) cv2.destroyAllWindows()kernel = np.ones((5,5), np.unit8) erosion = cv2.erode(pie, kernel, iter=1)cv2.imshow('img_erode', erosion) cv2.waitKey(0) cv2.destroyAllWindow()

腐蚀操作去除毛刺

腐蚀操作中的参数：kernel 表示卷积核，iter表示腐蚀操作的次数。

腐蚀的结果，与，迭代次数，核大小有关系。腐蚀次数增大，图像线条会变细。

形态学-膨胀操作

img = cv2.imread('dige.png') cv2.imshow('img',img) cv2.waitKey(0) cv2.destroyAllWindows()kernel = np.ones((5,5), np.uint8) dilate = cv2.dilate(img, kernel, iter=1)cv2.imshow('dilate', dilate) cv2.waitKey(0) cv2.destroyAllWindows()

与腐蚀操作互为逆运算

参数的定义与腐蚀操作一致

形态学-开/闭操作开运算

img = cv2.imread('dige.png') cv2.imshow('img', img) cv2.waitKey() cv2.destroyAllWindows()kernel = np.ones((5,5), np.unit8) opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)cv2.imshow('opening', opening) cv2.waitKey() cv2.destroyAllWindows()

先腐蚀，再膨胀

能够有效去除毛刺

闭运算

img = cv2.imread('dige.png') cv2.imshow('img',img) cv2.waitKey(0) cv2.destroyAllWindows()closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)cv2.imshow('closing', closing) cv2.waitKey(0) cv2.destroyAllWindows()

先膨胀，再腐蚀

无法去除毛刺，只是扩大了边缘

梯度运算

# 梯度 = 膨胀 - 腐蚀 pie = cv2.imread('pie.png') kernel = np.ones((7,7),np.unit8) dilate = cv2.dilate(pie,kernel, iter=5) erosion = cv2.erode(pie,kernel, iter=5)res = np.hstack((dilate, erosion))cv2.imshow('res', res) cv2.waitKey(0) cv2.destroyAllWindows()# 梯度 gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel)cv2.imshow('gradient', gradient) cv2.waitKey(0) cv2.destroyAllWindows()

梯度 = 膨胀 - 腐蚀

梯度运算可以得到轮廓

礼帽和黑帽

礼帽 = 原始输入 - 开运算结果（带刺的-没刺的，剩下的是刺）
黑帽 = 闭运算 - 原始输入（扩大后的刺-带刺的，剩下的是膨胀的刺的轮廓）

img = cv2.imread('dige.png')# 礼帽 tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)# 黑帽 blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)