opencv: 形态学 转换(图示+源码)

综述

  OpenCV中的形态学转换操作有七种：腐蚀，膨胀，开运算，闭运算，形态学梯度，礼帽，黑帽。

---

API参照表

中文名 英文名 api 原理 个人理解 腐蚀 erode erosion = cv2.erode(src=girl_pic, kernel=kernel) 在窗中，只要含有０，则窗内全变为０，可以去浅色噪点 浅色成分被腐蚀 膨胀 dilate dilation = cv2.dilate(src=girl_pic, kernel=kernel) 在窗中，只要含有１，则窗内全变为１，可以增加浅色成分 浅色成分得膨胀 开运算 morphology-open opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel) 先腐蚀，后膨胀，去白噪点 先合再开，对浅色成分不利 闭运算 morphology-close closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel) 先膨胀，后腐蚀，去黑噪点 先开再合，浅色成分得势 形态学梯度 morphology-grandient gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel) 一幅图像腐蚀与膨胀的区别，可以得到轮廓 数值上解释为：膨胀减去腐蚀 礼帽 tophat tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel) 原图像减去开运算的差 数值上解释为：原图像减去开运算 黑帽 blackhat blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel) 闭运算减去原图像的差 数值上解释为：闭运算减去原图像

---

实验思路：

1. 写代码，实现OpenCV 自带的 七种形态学转换操作，并将生成的图片存入 pic 文件夹；
2. 用 礼帽生成图 加上 开运算生成图，看看能否得到 原图，并将生成的图片存入 pic 文件夹；
3. 用 闭运算生成图 减去 黑帽生成图，看看能否得到 原图，并将生成的图片存入 pic 文件夹；
4. 如果成功，则验证自己的思路是正确的 。

---

Demo:

原始图像

（../pic/girl.jpg）：

七种形态学转换操作

erode 腐蚀（../pic/erosion.jpg）：

dilate　膨胀 （../pic/dilation.jpg）：

open　开运算 （../pic/opening.jpg）：

close　闭运算 （../pic/closing.jpg）：

gradient　形态学梯度 （../pic/gradient.jpg）：

tophat　礼帽 （../pic/tophat.jpg）：

blackhat　黑帽 （../pic/blackhat.jpg）：

通过转换后的图像得到原图像

cv2.add(open, tophat)　cv2.add(开运算, 礼帽) （../pic/open_and_tophat.jpg）：

close-blackhat　闭运算-黑帽 （../pic/close_subtract_blackhat.jpg）：

---

附上自己写的实验代码：

# -*- coding: utf-8 -*-import cv2import numpy as npgirl_pic = cv2.imread('../pic/girl.jpg')kernel = np.ones((5, 5), np.uint8)# erode 腐蚀erosion = cv2.erode(src=girl_pic, kernel=kernel)cv2.imshow('erosion', erosion)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/erosion.jpg', erosion)# dilate　膨胀dilation = cv2.dilate(src=girl_pic, kernel=kernel)cv2.imshow('dilation', dilation)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/dilation.jpg', dilation)# open　开运算opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel)cv2.imshow('opening', opening)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/opening.jpg', opening)# close　闭运算closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel)cv2.imshow('closing', closing)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/closing.jpg', closing)# gradient　形态学梯度gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel)cv2.imshow('gradient', gradient)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/gradient.jpg', gradient)# tophat　礼帽tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel)cv2.imshow('tophat', tophat)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/tophat.jpg', tophat)# blackhat　黑帽blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel)cv2.imshow('blackhat', blackhat)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/blackhat.jpg', blackhat)# cv2.add(open, tophat)　cv2.add(开运算, 礼帽)open_and_tophat = cv2.add(opening, tophat)cv2.imshow('open_and_tophat', open_and_tophat)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/open_and_tophat.jpg', open_and_tophat)# close-blackhat　闭运算-黑帽close_subtract_blackhat = closing - blackhatcv2.imshow('close_subtract_blackhat', close_subtract_blackhat)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/close_subtract_blackhat.jpg', close_subtract_blackhat)

---

实际遇到的问题及解决方法：

  一开始设计实验时，用礼帽生成的图像加上开运算生成的图像能够得到原图，用黑帽生成的图像加上闭运算生成的图像却得不到原图，反而得到一张比闭运算图像更浅色的图片（如下）：

  想了一下，发现了问题所在：书上对黑帽的定义是：

进行闭运算之后得到的图像和原始图像的差

  但是却没有说清楚被减数和减数分别是谁。根据闭运算和黑帽的定义，我觉得应该是：

黑帽 = 闭运算 - 原图

  即可得：

原图 = 闭运算 - 黑帽

  修改代码后进行验证，果然生成了原图像：

---

---