opencv: 形態學 轉換(圖示+源碼)

綜述

OpenCV中的形態學轉換操作有七種：腐蝕，膨脹，開運算，閉運算，形態學梯度，禮帽，黑帽。

API參照表

中文名	英文名	api	原理	個人理解
腐蝕	erode	erosion = cv2.erode(src=girl_pic, kernel=kernel)	對滑窗中的像素點按位乘，再從中取最小值點作爲輸出。可以去淺色噪點	淺色成分被腐蝕
膨脹	dilate	dilation = cv2.dilate(src=girl_pic, kernel=kernel)	對滑窗中的像素點按位乘，再從中取最大值點作爲輸出。可以增加淺色成分	淺色成分得膨脹
開運算	morphology-open	opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel)	先腐蝕，後膨脹，去白噪點	先合再開，對淺色成分不利
閉運算	morphology-close	closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel)	先膨脹，後腐蝕，去黑噪點	先開再合，淺色成分得勢
形態學梯度	morphology-grandient	gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel)	一幅圖像腐蝕與膨脹的區別，可以得到輪廓	數值上解釋爲：膨脹減去腐蝕
禮帽	tophat	tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel)	原圖像減去開運算的差	數值上解釋爲：原圖像減去開運算
黑帽	blackhat	blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel)	閉運算減去原圖像的差	數值上解釋爲：閉運算減去原圖像

實驗思路：

1. 寫代碼，實現OpenCV 自帶的 七種形態學轉換操作，並將生成的圖片存入 pic 文件夾；
2. 用 禮帽生成圖 加上 開運算生成圖，看看能否得到 原圖，並將生成的圖片存入 pic 文件夾；
3. 用 閉運算生成圖 減去 黑帽生成圖，看看能否得到 原圖，並將生成的圖片存入 pic 文件夾；
4. 如果成功，則驗證自己的思路是正確的 。

Demo:

原始圖像

（../pic/girl.jpg）：

七種形態學轉換操作

erode 腐蝕（../pic/erosion.jpg）：

dilate　膨脹 （../pic/dilation.jpg）：

open　開運算 （../pic/opening.jpg）：

close　閉運算 （../pic/closing.jpg）：

gradient　形態學梯度 （../pic/gradient.jpg）：

tophat　禮帽 （../pic/tophat.jpg）：

blackhat　黑帽 （../pic/blackhat.jpg）：

通過轉換後的圖像得到原圖像

cv2.add(open, tophat)　cv2.add(開運算, 禮帽) （../pic/open_and_tophat.jpg）：

close-blackhat　閉運算-黑帽 （../pic/close_subtract_blackhat.jpg）：

附上自己寫的實驗代碼：

# -*- coding: utf-8 -*-

import cv2
import numpy as np

girl_pic = cv2.imread('../pic/girl.jpg')

kernel = np.ones((5, 5), np.uint8)

# erode 腐蝕
erosion = cv2.erode(src=girl_pic, kernel=kernel)
cv2.imshow('erosion', erosion)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/erosion.jpg', erosion)

# dilate　膨脹
dilation = cv2.dilate(src=girl_pic, kernel=kernel)
cv2.imshow('dilation', dilation)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/dilation.jpg', dilation)

# open　開運算
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　閉運算
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　形態學梯度
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　禮帽
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(開運算, 禮帽)
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　閉運算-黑帽
close_subtract_blackhat = closing - blackhat
cv2.imshow('close_subtract_blackhat', close_subtract_blackhat)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/close_subtract_blackhat.jpg', close_subtract_blackhat)

實際遇到的問題及解決方法：

一開始設計實驗時，用禮帽生成的圖像加上開運算生成的圖像能夠得到原圖，用黑帽生成的圖像加上閉運算生成的圖像卻得不到原圖，反而得到一張比閉運算圖像更淺色的圖片（如下）：

想了一下，發現了問題所在：書上對黑帽的定義是：

進行閉運算之後得到的圖像和原始圖像的差

但是卻沒有說清楚被減數和減數分別是誰。根據閉運算和黑帽的定義，我覺得應該是：

黑帽 = 閉運算 - 原圖

即可得：

原圖 = 閉運算 - 黑帽

修改代碼後進行驗證，果然生成了原圖像：