cv2.erode()，cv2.dilate()，cv2.morphologyEx()
cv2.erode() cv2.dilate() cv2.morphologyEx() ''' 原理：形态学操作是根据图像形状进行的简单操作。一般情况下对二值化图像进行的 操作。需要输入两个参数，一个是原始图像，第二个被称为结构化元素或核，它是用 来决定操作的性质的。两个基本的形态学操作是腐蚀和膨胀。他们的变体构成了开运 算，闭运算，梯度等。我们会以下图为例逐一介绍它们。 '''腐蚀
import cv2 import numpy as np img = cv2.imread('01.jpg',0) kernel = np.ones((5,5),np.uint8) erosion = cv2.erode(img,kernel,iterations = 1) #kernel:腐蚀盒子的大小 #interations：腐蚀的迭代次数 ''' 根据卷积核的大小靠近前景的所有像素都会被腐蚀 掉（变为 0），所以前景物体 会变小，整幅图像的白色区域会减少。这对于去除 白噪声很有用，也可以用来断 开两个连在一块的物体等。 '''膨胀
dilation = cv2.dilate(img,kernel,iterations = 1) ''' 与腐蚀相反，与卷积核对应的原图像的像素值中只要有一个是 1，中心元素的像素 值就是 1。所以这个操作会增加图像中的白色区域（前景）。一般在去噪声时先用 腐蚀再用膨胀。因为腐蚀在去掉白噪声的同时，也会使前景对象变小。所以我们再 对他进行膨胀。这时噪声已经被去除了，不会再回来了，但是前景还在并会增加。 膨胀也可以用来连接两个分开的物体。 '''开运算
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel) ''' morphologyEx(src,op, kernel, anchor,iterations,borderType,orderValue) src: 操作图像 op: 操作的类型 MORPH_ERODE 腐蚀 MORPH_DILATE 膨胀 MORPH_OPEN 开操作 MORPH_CLOSE 闭操作 MORPH_GRADIENT 梯度操作 MORPH_TOPHAT 顶帽操作 MORPH_BLACKHAT 黑帽操作 MORPH_HITMISS kernel: 用于操作的结构元素 anchor: 参考点，其默认值是（-1，-1）说明位于kernel的中心位置 iterations: 迭代次数 borderType: 边缘类型 默认为BORDER_CONSTANT orderValue: 边缘值 默认即可 ''' #先进行腐蚀再进行膨胀就叫做开运算。闭运算
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel) #先膨胀再腐蚀。形态学梯度
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel) #其实就是一幅图像膨胀与腐蚀的差别。 结果看上去就像前景物体的轮廓礼帽
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel) #原始图像与进行开运算之后得到的图像的差 # 礼帽 = 原始输入 - 开运算结果 tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)黑帽
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel) #进行闭运算之后得到的图像与原始图像的差 # 黑帽 = 闭运算 - 原始输入结构化元素
''' 在前面我们使用numpy构建了结构化元素，它是正方形的。但有时我们需要构建 一个椭圆形/圆形的核。我们使用cv2.getStructuringElement() 只需要告诉它你需要的核的形状和大小 cv2.getStructuringElement(para1,para2,para3) para1: 表示内核的形状 MORPH_RECT 矩形 MORPH_CROSS 交叉形 MORPH_ELLIPSE 椭圆形 para2: 内核的尺寸 para3: 锚点的位置 ''' >>> cv2.getStructuringElement(cv2.MORPH_RECT,(5,5)) >array([[1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1]], dtype=uint8) >>> cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5)) >array([[0, 0, 1, 0, 0], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [0, 0, 1, 0, 0]], dtype=uint8) >>> cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5)) >array([[0, 0, 1, 0, 0], [0, 0, 1, 0, 0], [1, 1, 1, 1, 1], [0, 0, 1, 0, 0], [0, 0, 1, 0, 0]], dtype=uint8)