【OpenCV|【OpenCV Python】核心操作--形态学转换
形态学转换是针对图像形状进行的简单操作，一般是指针对二值化图像进行的操作，常见的形态学转换包括腐蚀，膨胀，开运算等。
1.腐蚀
顾名思义，腐蚀是对前景物体的边缘进行腐蚀掉，形成如现实中一样的腐蚀效果，其原理如下:
卷积核沿着图像滑动，如果卷积核对应区域的图像像素值都是1，则卷积核中心对应的像素值保持不变，反之则全变成0，所以在图像边缘区域，部分为0，部分为1的区域都会变成0，再往里面则会保持不变。
opencv提供erode(src, kernel,iterations)函数进行腐蚀操作，而且腐蚀操作，也可以去除二值化图形里的一些噪点
例如：
img =cv2.imread("test2.png")
kernel = np.ones((5,5),np.uint8)
dst = cv2.erode(img,kernel)
文章图片
可以看出，相对于左边原图，右边腐蚀之后的图形有明显腐蚀效果，而且噪声被除去
2.膨胀
膨胀可以理解为腐蚀的反操作，膨胀的原理是：
同样的卷积核沿着图像滑动，只要卷积核对应的图像像素值有一个是1，则这块区域全部变成1.
使用cv2.dilate(src , kernel)函数就可以实现膨胀操作
例如：
img= cv2.imread("test2.png")
kernel= np.ones((5,5), np.uint8)
dst= cv2.dilate(img,kernel)
文章图片
屏幕剪辑的捕获时间:2018/4/9 21:11
3.开运算：
开运算就是先进行腐蚀，在进行膨胀，opencv提供函数cv2.morphologyEx(src, 运算方式，kernel)
来实现开运算
值得注意的是：
（1）如果先进行腐蚀去除了噪点，但原图形的形状也被破坏，此时再使用膨胀就可以恢复回去，这是开运算存在的意义
（2）直接使用cv2.morphologyEx和先使用cv2.erode再使用cv2.dilate函数的效果一样
例如：
img =cv2.imread("test2.png")
kernel = np.ones((5,5), np.uint8)
dst=cv2.morphologyEx(img, cv2.MORPH_OPEN,kernel)
文章图片
屏幕剪辑的捕获时间:2018/4/9 21:22
4.闭运算
闭运算就是开运算的逆过程，先进行膨胀，在腐蚀，原理和开运算一样，可以用于去除二值化图像的背景色噪点。
例如：
img =cv2.imread("test.png")
kernel =np.ones((5,5) , np.uint8)
dst=cv2.morphologyEx(img, cv2.MORPH_CLOSE,kernel)
文章图片
屏幕剪辑的捕获时间:2018/4/9 21:28
可以看出白色图形里的黑色噪点已经被去除。
5.形态学梯度：
其实就是图像的膨胀和腐蚀之后两张图形的差，其结果就像原图形的轮廓
例如：
img = cv2.imread("test2.png")
kernel = np.ones((5,5) , np.uint8)
dst= cv2.morphologyEx(img, cv2.MORPH_GRADIENT,kernel)
文章图片
屏幕剪辑的捕获时间: 2018/4/9 21:31
【【OpenCV|【OpenCV Python】核心操作--形态学转换】
推荐阅读
- 宽容谁
- 我要做大厨
- 增长黑客的海盗法则
- 画画吗（）
- 2019-02-13——今天谈梦想（）
- 远去的风筝
- 三十年后的广场舞大爷
- 叙述作文
- 20190302|20190302 复盘翻盘
- 学无止境，人生还很长