opencv —— morphology形態學操作函數講解

目錄

opencv —— morphology形態學操作函數講解

形態學濾波：morphologyEx 函數

開運算：先腐蝕后膨脹。

閉運算：先膨脹后腐蝕。

形態學梯度： 膨脹圖與腐蝕圖之差。

頂帽：頂帽運算（Top Hat）又常常被譯為”禮帽“運算，原圖像與開運算圖之差。

黑帽： 為”閉運算“的結果圖與原圖像之差。

---

參考博客1

參考博客2

數學形態學（Mathematical morphology） 是一門建立在格論和拓撲學基礎之上的圖像分析學科，是數學形態學圖像處理的基本理論。其基本的運算包括：二值腐蝕和膨脹、二值開閉運算、骨架抽取、極限腐蝕、擊中擊不中變換、形態學梯度、Top-hat變換、顆粒分析、流域變換、灰值腐蝕和膨脹、灰值開閉運算、灰值形態學梯度等。

morphology形態學操作函數主要包含了五個操作：開運算、閉運算、形態學梯度、頂帽、黑帽。opencv 將這些操作集合到了一個函數中 morphologyEx。要實現不同操作，僅需改變其第三個成員變量形態學運算標識符。?

形態學濾波：morphologyEx 函數

void?morphologyEx(InputArray src, OutputArray dst, int op, InputArray kernel, Point anchor = Point(-1, -1), int iterations = 1, int borderType = BORDER_CONSTANT, const Scalar& borderValue = morphologyDefaultBorderValue());

• src，輸入圖像，即原圖像，填 Mat 類的對象即可。
• dst，目標圖像，需要和原圖片有一樣的尺寸和類型。
• op，形態學運算的類型。

MORPH_ERODE = 0, //腐蝕

MORPH_DILATE = 1, //膨脹

MORPH_OPEN = 2, //開操作

MORPH_CLOSE = 3, //閉操作

MORPH_GRADIENT = 4, //梯度操作

MORPH_TOPHAT = 5, //頂帽操作

MORPH_BLACKHAT = 6, //黑帽操作

• kernel，膨脹操作的核。當為 NULL 時，表示的是使用參考點位于中心，大小 3×3 的核。
• anchor，錨點的位置，默認位于中心。
• iterations 迭代使用 dilate() 的次數，默認值為 1。
• borderType，邊界拓展的方法。
• borderValue，當邊界為常數時的邊界值，有默認值，一般不用管。

開運算：先腐蝕后膨脹。

開運算可以用來消除小物體、在纖細點處分離物體、平滑較大物體的邊界的同時并不明顯改變其面積。

代碼示例：

import cv2 import numpy as np import matplotlib.pyplot as plt img=cv2.imread("C:\\Users\\Lijian\\Desktop\\test.jpg",cv2.IMREAD_GRAYSCALE) plt.imshow(img, cmap='Greys_r') kernel = np.ones((1, 5), np.uint8) img = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, anchor=(2, 0), iterations=2) #dilatazione cv2.imshow('open',img) cv2.waitKey(0)

截圖

閉運算：先膨脹后腐蝕。

閉運算能夠排除小型黑洞(黑色區域)，可以將團塊的邊緣突出出來。

代碼演示：

import cv2 import numpy as np import matplotlib.pyplot as plt img=cv2.imread("C:\\Users\\Lijian\\Desktop\\test.jpg",cv2.IMREAD_GRAYSCALE) plt.imshow(img, cmap='Greys_r')kernel = np.ones((1, 5), np.uint8) img = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel, anchor=(2, 0), iterations=2) #dilatazione cv2.imshow('close',img) cv2.waitKey(0)

截圖

形態學梯度： 膨脹圖與腐蝕圖之差。

對二值圖像進行這一操作可以將團塊（blob）的邊緣突出出來。我們可以用形態學梯度來保留物體的邊緣輪廓。

代碼演示：

import cv2 import numpy as np import matplotlib.pyplot as plt img=cv2.imread("C:\\Users\\Lijian\\Desktop\\test.jpg",cv2.IMREAD_GRAYSCALE) plt.imshow(img, cmap='Greys_r')kernel = np.ones((1, 5), np.uint8) img = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel, anchor=(2, 0), iterations=2) #dilatazione cv2.imshow('MORPH_GRADIENT',img) cv2.waitKey(0)

截圖：

頂帽：頂帽運算（Top Hat）又常常被譯為”禮帽“運算，原圖像與開運算圖之差。

因為開運算帶來的結果是放大了裂縫或者局部低亮度的區域，因此，從原圖中減去開運算后的圖，得到的效果圖突出了比原圖輪廓周圍的區域更明亮的區域，所以頂帽運算往往用來分離比鄰近點亮一些的斑塊。當一幅圖像具有大幅的背景的時候，而微小物品比較有規律的情況下，可以使用頂帽運算進行背景提取。

代碼演示：

import cv2 import numpy as np import matplotlib.pyplot as plt img=cv2.imread("C:\\Users\\Lijian\\Desktop\\test.jpg",cv2.IMREAD_GRAYSCALE) plt.imshow(img, cmap='Greys_r')kernel = np.ones((1, 5), np.uint8) img = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel, anchor=(2, 0), iterations=2) #dilatazione cv2.imshow('MORPH_TOPHAT',img) cv2.waitKey(0)

截圖：

黑帽： 為”閉運算“的結果圖與原圖像之差。

黑帽運算后的效果圖突出了比原圖輪廓周圍的區域更暗的區域，黑帽運算用來分離比鄰近點暗一些的斑塊。

代碼演示：

?

import cv2 import numpy as np import matplotlib.pyplot as plt img=cv2.imread("C:\\Users\\Lijian\\Desktop\\test.jpg",cv2.IMREAD_GRAYSCALE) plt.imshow(img, cmap='Greys_r') kernel = np.ones((1, 5), np.uint8) img = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel, anchor=(2, 0), iterations=2) #dilatazione cv2.imshow('MORPH_BLACKHAT',img) cv2.waitKey(0)

截圖

?

總結

以上是生活随笔為你收集整理的opencv —— morphology形态学操作函数讲解（python）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。