概述
OpenCV 中有七种形态学转换操作：腐蚀、膨胀、开运算、闭运算、形态学梯度、礼帽和黑帽。
API参考表
腐蚀erodeerosion = cv2.erode(src=girl_pic, kernel=kernel)对滑窗中的像素点按位乘，再从中取最小值点作为输出。可以去除浅色噪点浅色成分被腐蚀膨胀dilatedilation = cv2.dilate(src=girl_pic, kernel=kernel)对滑窗中的像素点按位乘，再从中取最大值点作为输出。可以增加浅色成分浅色成分得膨胀开运算morphology-openopening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel)先腐蚀，后膨胀，去除白噪点先合再开，对浅色成分不利闭运算morphology-closeclosing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel)先膨胀，后腐蚀，去除黑噪点先开再合，浅色成分得势形态学梯度morphology-grandientgradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel)一幅图像腐蚀与膨胀的区别，可以得到轮廓数值上解释为：膨胀减去腐蚀礼帽tophattophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel)原图像减去开运算的差数值上解释为：原图像减去开运算黑帽blackhatblackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel)闭运算减去原图像的差数值上解释为：闭运算减去原图像
实验思路：编写代码，实现OpenCV自带的七种形态学转换操作，并将生成的图片保存到 pic 文件夹中；使用礼帽生成的图像加上开运算生成的图像，看看是否能得到原图，并将生成的图片保存到 pic 文件夹中；使用闭运算生成的图像减去黑帽生成的图像，看看是否能得到原图，并将生成的图片保存到 pic 文件夹中；如果成功，则验证自己的思路是正确的。
Demo:原始图像（../pic/girl.jpg）：
七种形态学转换操作：
腐蚀（../pic/erosion.jpg）：
膨胀（../pic/dilation.jpg）：
开运算（../pic/opening.jpg）：
闭运算（../pic/closing.jpg）：
形态学梯度（../pic/gradient.jpg）：
礼帽（../pic/tophat.jpg）：
图像转图像AI
利用AI轻松变形、风格化和重绘任何图像
65 查看详情
黑帽（../pic/blackhat.jpg）：
通过转换后的图像得到原图像：
cv2.add(open, tophat)（../pic/open_and_tophat.jpg）：
close-blackhat（../pic/close_subtract_blackhat.jpg）：
附上自己编写的实验代码：
# -*- coding: utf-8 -*-import cv2import numpy as npgirl_pic = cv2.imread('../pic/girl.jpg')kernel = np.ones((5, 5), np.uint8)
腐蚀
erosion = cv2.erode(src=girl_pic, kernel=kernel)cv2.imshow('erosion', erosion)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/erosion.jpg', erosion)
膨胀
dilation = cv2.dilate(src=girl_pic, kernel=kernel)cv2.imshow('dilation', dilation)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/dilation.jpg', dilation)
开运算
opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel)cv2.imshow('opening', opening)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/opening.jpg', opening)
闭运算
closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel)cv2.imshow('closing', closing)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/closing.jpg', closing)
形态学梯度
gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel)cv2.imshow('gradient', gradient)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/gradient.jpg', gradient)
礼帽
tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel)cv2.imshow('tophat', tophat)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/tophat.jpg', tophat)
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)
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
close_subtract_blackhat = closing - blackhatcv2.imshow('close_subtract_blackhat', close_subtract_blackhat)cv2.waitKey(2000)cv2.destroyAllWindows()cv2.imwrite('../pic/close_subtract_blackhat.jpg', close_subtract_blackhat)
实际遇到的问题及解决方法：在设计实验时，使用礼帽生成的图像加上开运算生成的图像能够得到原图，但使用黑帽生成的图像加上闭运算生成的图像却无法得到原图，反而得到了一张比闭运算图像更浅色的图片（如下）：
经过思考，发现了问题所在：书上对黑帽的定义是：
但是却没有明确指出被减数和减数分别是谁。根据闭运算和黑帽的定义，我认为应该是：
即可得：
修改代码后进行验证，果然生成了原图像：
以上就是opencv: 形态学 转换(图示+源码)的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/501199.html
微信扫一扫 
支付宝扫一扫 
