opencv|python-opencv 图像处理基础（十）图像膨胀腐蚀+开闭操作+顶帽黑帽+形态学梯度 python|图像处理|opencv

膨胀腐蚀膨胀

结构元素与原图或操作
腐蚀
结构元素与原图与操作

彩图和二值图都可进行膨胀腐蚀
最好是前景白色，背景白色。
腐蚀结果：

opencv|python-opencv 图像处理基础（十）图像膨胀腐蚀+开闭操作+顶帽黑帽+形态学梯度

文章图片

膨胀结果：

文章图片

import cv2 as cv import numpy as np#腐蚀 def erode_demo(image): print(image.shape) gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)# cv.THRESH_BINARY_INV 二值图取反 cv.imshow("binary", binary) kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 15))#结构元素支持rect矩形 cross十字交叉 ellipse椭圆形15越大腐蚀越严重 dst = cv.erode(binary, kernel) cv.imshow("erode_demo", dst)#膨胀 def dilate_demo(image): print(image.shape) gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU) cv.imshow("binary", binary) kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5)) dst = cv.dilate(binary, kernel) cv.imshow("dilate_demo", dst)print("--------- Python OpenCV Tutorial ---------") src = https://www.it610.com/article/cv.imread("../opencv-python-img/lena.png") cv.namedWindow("input image", cv.WINDOW_AUTOSIZE) cv.imshow("input image", src)#对二值图进行膨胀腐蚀 erode_demo(src) #dilate_demo(src)#对彩图进行腐蚀膨胀 # kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3)) # dst = cv.erode(src, kernel) # cv.imshow("result", dst) cv.waitKey(0)cv.destroyAllWindows()

开闭操作开操作

图像形态学的重要操作之一，基于膨胀与腐蚀操作组合形成的。
主要是应用在二值图像分析中，灰度图像亦可。
开操作=腐蚀+膨胀，输入图像 + 结构元素

闭操作

图像形态学的重要操作之一，基于膨胀与腐蚀操作组合形成的。
主要是应用在二值图像分析中，灰度图像亦可。
闭操作=膨胀+腐蚀，输入图像 + 结构元素

开闭操作作用：

去除小的干扰块-开操作
填充闭合区域 – 闭操作
水平或者垂直线提取

【opencv|python-opencv 图像处理基础（十）图像膨胀腐蚀+开闭操作+顶帽黑帽+形态学梯度】开操作和腐蚀区别（同样是去除噪点）：开操作去除噪点的同时，尽量保留其它结构元素不变。
闭操作和膨胀区别：填充闭合区域，其它结构元素不变。
kernel为（5,5）的开操作结果：

文章图片

kernel 为（15,1）的开操作结果：

文章图片

kernel 为（1,15）的开操作结果：

文章图片

kernel 为（1,15）的闭操作结果：

文章图片
kernel为（15,1）的闭操作：

文章图片

（3,3）开操作：

文章图片

import cv2 as cv import numpy as npdef open_demo(image): print(image.shape) gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU) cv.imshow("binary", binary) kernel = cv.getStructuringElement(cv.MORPH_RECT, (1,15))#（15,1）提取水平线（1,15）提取竖直线 rect矩形 cross十字交叉 ellipse椭圆形 binary = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel) cv.imshow("open-result", binary)def close_demo(image): print(image.shape) gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU) cv.imshow("binary", binary) kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 1)) binary = cv.morphologyEx(binary, cv.MORPH_CLOSE, kernel) cv.imshow("close_demo", binary)print("--------- Python OpenCV Tutorial ---------") src = https://www.it610.com/article/cv.imread("../opencv-python-img/morph01.png") cv.namedWindow("input image", cv.WINDOW_AUTOSIZE) cv.imshow("input image", src) open_demo(src) #close_demo(src) cv.waitKey(0)cv.destroyAllWindows()

顶帽黑帽顶帽 tophat

顶帽是原图像与开操作之间的差值图像

黑帽blackhat

黑帽是闭操作图像与源图像的差值图像

灰度图顶帽操作结果

灰度图图像增强后的结果：理论上结果更清晰些

灰度图黑帽操作结果：
二值图顶帽操作：

文章图片

二值图黑帽操作

文章图片

形态学梯度 Gradient

基本梯度
基本梯度是用膨胀后的图像减去腐蚀后的图像得到差值
图像，称为梯度图像也是opencv中支持的计算形态学
梯度的方法，而此方法得到梯度有被称为基本梯度。
内部梯度
是用原图像减去腐蚀之后的图像得到差值图像，称为图
像的内部梯度
外部梯度
图像膨胀之后再减去原来的图像得到的差值图像，称为
图像的外部梯度

基本梯度：（15,15）

文章图片
基本梯度（3,3）：

文章图片

内梯度外梯度结果：

文章图片

import cv2 as cv import numpy as np#顶帽tophat操作 def top_hat_demo(image): gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 15)) dst = cv.morphologyEx(gray, cv.MORPH_TOPHAT, kernel) #直接显示dst不清楚 cimage = np.array(gray.shape, np.uint8)#由于直接显示dst不清楚，进行图像增强。增加常量，大小是gray.shape cimage = 120; dst = cv.add(dst, cimage) cv.imshow("tophat", dst)#黑帽操作 def black_hat_demo(image): gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 15)) dst = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, kernel) cimage = np.array(gray.shape, np.uint8)#由于直接显示dst不清楚，进行图像增强。增加常量，大小是gray.shape cimage = 120; dst = cv.add(dst, cimage) cv.imshow("black_hat", dst)#对二值图进行顶帽、黑帽、基本梯度操作 def hat_binary_demo(image): gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU) kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3)) #dst = cv.morphologyEx(binary, cv.MORPH_TOPHAT, kernel)# （15,15） #dst = cv.morphologyEx(binary, cv.MORPH_BLACKHAT, kernel)# （15,15） #dst = cv.morphologyEx(binary, cv.MORPH_GRADIENT, kernel)# （3,3） cv.imshow("tophat", dst)#内梯度外梯度操作 def gradient2_demo(image): kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3)) dm = cv.dilate(image, kernel) em = cv.erode(image, kernel) dst1 = cv.subtract(image, em) # internal gradient 内梯度 dst2 = cv.subtract(dm, image) # external gradient 外梯度 cv.imshow("internal", dst1) cv.imshow("external", dst2)print("--------- Python OpenCV Tutorial ---------") src = https://www.it610.com/article/cv.imread("../opencv-python-img/morph.png") cv.namedWindow("input image", cv.WINDOW_AUTOSIZE) cv.imshow("input image", src) top_hat_demo(src) # black_hat_demo(src) # hat_binary_demo(src) # gradient2_demo(src) cv.waitKey(0)cv.destroyAllWindows()