[1] python实现膨胀与腐蚀
[3] OpenCV 图像处理之膨胀与腐蚀【推荐】
-
膨胀
cv2.dilate(img, kernel, 1) -
腐蚀
cv2.erode(img, kernel, iterations=1) -
开运算
开运算：先腐蚀，再膨胀
cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, 1) -
闭运算
闭运算：先膨胀，再腐蚀
cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel) -
梯度计算：
膨胀的图像 - 腐蚀的图像
用大一圈的图像减去小一圈的图像正好就是边缘的信息。
cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
1. 基本概念
图像的膨胀（Dilation）和腐蚀（Erosion）是两种基本的形态学运算，主要用来寻找图像中的极大区域和极小区域。其中膨胀类似于“领域扩张”，将图像中的高亮区域或白色部分进行扩张，其运行结果图比原图的高亮区域更大；腐蚀类似于“领域被蚕食”，将图像中的高亮区域或白色部分进行缩减细化，其运行结果图比原图的高亮区域更小。
1.1 膨胀（或）
通过卷积运算，对于膨胀而言，结果是 0 的还是 0，结果大于 0 的就赋值为 1（针对二值图）
相当于 或 操作，只有 0 才为 0，其他都为 1（针对二值图）
更通俗的说法：这里我们指定范围为3*3的矩阵，kernel（卷积核核）指定为全为1的3*3矩阵，卷积计算后，该像素点的值等于以该像素点为中心的3*3范围内的最大值。如果是二值图像，只要包含周围白的部分，就变为白的。
1.2 腐蚀（与）
通过卷积运算，对于腐蚀而言，结果是 最大值 的才是 1，其他就赋值为 0（针对二值图）
相当于 与 操作，只有 最大值 才为 1，其他均赋值为 0（针对二值图）
举例：如果是 十字形，则需要卷积值为 5 才会赋值为 1，其他均赋值为 0（针对二值图）
更通俗的说法：腐蚀操作和膨胀操作相反，也就是将毛刺消除，判断方法为：在卷积核大小中对图片进行卷积。取图像中（3 * 3）区域内的最小值。如果是二值图像，就是取0（黑色）。 总结： 只要原图片3 * 3范围内有黑的，该像素点就是黑的。
2. 实现过程
2.1 膨胀实现
img = cv2.imread('Pic/corrode.png')
def cv_show(img):
cv2.imshow('', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv_show(img)
kernel = np.ones((3, 3), dtype=np.uint8)
dilate = cv2.dilate(img, kernel, 1) # 1:迭代次数，也就是执行几次膨胀操作
cv_show(dilate)
# 更改卷积核大小
kernel_2 = np.ones((4, 4), dtype=np.uint8) # 卷积核变为4*4
dilate = cv2.dilate(img, kernel_2, 1)
cv_show(dilate)
# 更改迭代次数
kernel = np.ones((3, 3), dtype=np.uint8)
dilate = cv2.dilate(img, kernel, 2) # 更改迭代次数为2
ss = np.hstack((img, dilate))
cv_show(ss)
2.2 腐蚀实现
kernel = np.ones((3, 3), dtype=np.uint8) erosion = cv2.erode(img, kernel, iterations=1) ss = np.hstack((img, erosion)) cv_show(ss) # 更改卷积核大小 kernel_2 = np.ones((4, 4), dtype=np.uint8) erosion = cv2.erode(img, kernel_2, iterations=1) ss = np.hstack((img, erosion)) cv_show(ss) # 更改迭代次数 kernel = np.ones((3, 3), dtype=np.uint8) erosion = cv2.erode(img, kernel, iterations=2) ss = np.hstack((img, erosion)) cv_show(ss)
2.3 开运算与闭运算
# 开运算 opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, 1) ss = np.hstack((img, opening)) cv_show(ss) # 闭运算 closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel) ## 有缺陷，填补缺陷 ss = np.hstack((img, closing)) cv_show(ss)
开运算可以用来去噪声
img = cv2.imread('seg.png')
kernel = np.ones((5, 5), dtype=np.uint8)
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, 1)
ss = np.hstack((img, opening))
show(ss)
cv2.imwrite('seg_smooth.png', opening)
2.4 梯度运算
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel) cv_show(gradient)
具体实现
img = cv2.imread('seg.png')
kernel = np.ones((3, 3), dtype=np.uint8)
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
ss = np.hstack((img, gradient))
show(ss)
