數字圖像處理：形態學

要求

對一副二值圖像進行膨脹、腐蝕、開、閉操作。

待處理圖像：

對圖片進行二值化：

ret, img_threshold = cv2.threshold(img, 240, 255, cv2.THRESH_BINARY_INV)

腐蝕

使用opencv，結構元爲50*50的方形，進行腐蝕

kernel = np.ones((50, 50), np.uint8)
erosion = cv2.erode(img_threshold, kernel)

結果

可以看到腐蝕了50

100*100的結構元時：

產生斷裂

或者使用長方形的結構元進行腐蝕，kernel1 側重水平方形，其結構元長大於寬
kernel12，側重垂直反向，其結構元長小於寬

kernel1 = np.ones((1, 200), np.uint8)
kernel2 = np.ones((90, 1), np.uint8)
erosion = cv2.erode(img_threshold, kernel1)
erosion2 = cv2.erode(img_threshold, kernel2)

不同形狀的結構元素，收縮或膨脹後的結果形狀不同

膨脹

kernel1 = np.ones((1, 200), np.uint8)
kernel2 = np.ones((90, 1), np.uint8)
dilate1 = cv2.dilate(erosion, kernel1)
dilate2 = cv2.dilate(erosion, kernel2)

開運算與閉運算

用100*100的方形結構元，進行如下操作：

def open_(img, kernel):
    erosion = cv2.erode(img, kernel)
    dilate = cv2.dilate(erosion, kernel)
    return dilate

def close_(img, kernel):
    dilate = cv2.dilate(img, kernel)
    erosion = cv2.erode(dilate, kernel)
    return erosion

開運算先進行腐蝕，這回導致凸起（如右上角和左下角）和狹長（中心部分）被腐蝕掉，然後再膨脹回“原來大小”
閉運算先進行膨脹，這回導致凹陷（右邊中間）被膨脹填充，然後再腐蝕回“原來大小”

形態學去噪

有兩副分別是鹽噪聲和胡椒噪聲的圖，用10 * 10的核（其實可以更小）

對鹽噪聲圖像進行開運算，先腐蝕會導致鹽噪聲被腐蝕掉，如果對其進行閉運算，中則整個圖像會被膨脹，因爲噪聲之間靠的很近，膨脹後有可能復原不了

對胡椒噪聲圖像進行閉運算，會膨脹掉胡椒噪聲，如歸對其開運算，整個圖像可能會被腐蝕，與鹽噪聲同理

錯誤的運用：