OpenCV-Python實現(xiàn)通用形態(tài)學(xué)函數(shù)
通用形態(tài)學(xué)函數(shù)
上篇博文，我們介紹了形態(tài)學(xué)的基礎(chǔ)腐蝕與膨脹操作，而將腐蝕與膨脹結(jié)合起來進行組合，我們就能實現(xiàn)開運算，閉運算等復(fù)雜的形態(tài)學(xué)運算。
在OpenCV中，它給我們提供的通用形態(tài)學(xué)函數(shù)為cv2.morphologyEx()，其完整定義如下：
def morphologyEx(src, op, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None):
這些參數(shù)基本前面都介紹過，不過有一點需要說明，src原始圖像必須是CV_8U，CV_16U，CV_16S，CV_32F，CV_64F中的一種。
當然，這里面還有一個陌生的參數(shù)就是op，它就是各種形態(tài)學(xué)的類別，具體類別如表所示：
| 類型 | 說明 | 意義 | 操作 |
|---|---|---|---|
| cv2.MORPH_ERODE | 腐蝕 | 腐蝕 | erode() |
| cv2.MORPH_DILATE | 膨脹 | 膨脹 | dilate() |
| cv2.MORPH_OPEN | 開運算 | 先腐蝕后膨脹 | dilate(erode()) |
| cv2.MORPH_CLOSE | 閉運算 | 先膨脹后腐蝕 | erode(dilate()) |
| cv2.MORPH_GRADIENT | 形態(tài)學(xué)梯度運算 | 膨脹圖減腐蝕圖 | dilate()-erode() |
| cv2.MORPH_TOPHAT | 頂帽運算 | 原始圖像減開運算所得圖像 | src-open() |
| cv2.MORPH_BLACKHAT | 黑帽運算 | 閉運算所得圖像減原始圖像 | close()-src |
| cv2.MORPH_HITMISS | 擊中擊不中 | 前景背景腐蝕運算的交集。僅僅支持CV8UC1二進制圖像 | intersection(erode(src),erode(src1)) |
開運算
如上表所示，開運算是將原圖像腐蝕，再對其進行膨脹操作。主要用于去噪，計數(shù)等。去噪我們已經(jīng)通過上面的腐蝕操作就可以完成，下面我們來實現(xiàn)有趣的計數(shù)操作。
import cv2
import numpy as np
img = cv2.imread("open.jpg",cv2.IMREAD_UNCHANGED)
kernel = np.ones((9,9), np.float32)
result = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel,iterations=5)
cv2.imshow("img", img)
cv2.imshow("result", result)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，我們能將不同區(qū)域劃分開來，效果如下：
閉運算
閉運算是先膨脹后腐蝕的運算，它有助于關(guān)閉前景物體內(nèi)部的小孔，或去除物體上的小黑點，還可以將不同的前景圖像進行連接。下面，我們就將上圖進行連接。
import cv2
import numpy as np
img = cv2.imread("close.jpg", cv2.IMREAD_UNCHANGED)
kernel = np.ones((10, 10), np.float32)
result = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel, iterations=7)
cv2.imshow("img", img)
cv2.imshow("result", result)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，兩個方塊就連接為一個整體了，效果如下所示：
形態(tài)學(xué)梯度運算
形態(tài)學(xué)梯度運算是用圖像膨脹后的圖像減去腐蝕圖像的運算，該操作可以獲取原始圖像中的前景圖像的邊緣。我們還是用上篇膨脹的圖來測試，代碼如下：
import cv2
import numpy as np
img = cv2.imread("8.jpg", cv2.IMREAD_UNCHANGED)
kernel = np.ones((5, 5), np.float32)
result = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel,iterations=2)
cv2.imshow("img", img)
cv2.imshow("result", result)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，我們的圖像就中空了，效果如下：
頂帽運算
頂帽運算是用原始圖像減去其開運算圖像的操作。它能夠獲取圖像的噪聲信息，或者得到比原圖像的邊緣更亮的邊緣信息。也就是獲取上圖中的白色線條，具體代碼如下：
import cv2
import numpy as np
img = cv2.imread("8.jpg", cv2.IMREAD_UNCHANGED)
kernel = np.ones((5, 5), np.float32)
result = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel,iterations=2)
cv2.imshow("img", img)
cv2.imshow("result", result)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，效果如下：
黑帽運算
黑帽運算是用閉運算圖像減去原始圖像的操作。它能夠獲取內(nèi)部的小孔，或前景色中的小黑點，亦或者得到比原始圖像的邊緣更暗的邊緣部分。這里，我們用前面的人物圖像，代碼如下：
import cv2
import numpy as np
img = cv2.imread("4.jpg", cv2.IMREAD_UNCHANGED)
kernel = np.ones((5, 5), np.float32)
result = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel,iterations=2)
cv2.imshow("img", img)
cv2.imshow("result", result)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，效果如下：
結(jié)構(gòu)元函數(shù)
前面我們介紹過，結(jié)構(gòu)元可以自定義，也可以通過cv2.getStructuringElement()函數(shù)生成。這里，我們來看看其完整的定義：
def getStructuringElement(shape, ksize, anchor=None):
shape：形狀類型，取值如下表：
| 類型 | 意義 |
|---|---|
| cv2.MORPH_RECT | 矩形結(jié)構(gòu)元，所有元素值為1 |
| cv2.MORPH_CROSS | 十字形結(jié)構(gòu)元，對角線元素值為1 |
| cv2.MORPH_ELLIPSE | 橢圓形結(jié)構(gòu)元素 |
ksize：結(jié)構(gòu)元的大小
anchor：結(jié)構(gòu)元的錨點位置，默認值（-1，1），是形狀的中心。只有十字星型的形狀與錨點位置緊密聯(lián)系。在其他情況下，錨點位置僅用于形態(tài)學(xué)運算結(jié)果的調(diào)整。
下面，我們將這三種形狀類型都實現(xiàn)一遍，具體代碼如下：
import cv2
img = cv2.imread("open.jpg", cv2.IMREAD_UNCHANGED)
kernel1 = cv2.getStructuringElement(cv2.MORPH_RECT,(50,50))
kernel2 = cv2.getStructuringElement(cv2.MORPH_CROSS,(50,50))
kernel3 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(50,50))
result1 = cv2.dilate(img,kernel1)
result2 = cv2.dilate(img,kernel2)
result3 = cv2.dilate(img,kernel3)
cv2.imshow("img", img)
cv2.imshow("result1", result1)
cv2.imshow("result2", result2)
cv2.imshow("result3", result3)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，效果如下所示：
到此這篇關(guān)于OpenCV-Python實現(xiàn)通用形態(tài)學(xué)函數(shù)的文章就介紹到這了,更多相關(guān)OpenCV 通用形態(tài)學(xué)函數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
下面小編就為大家分享一篇PyCharm 常用快捷鍵和設(shè)置方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2017-12-12
下面小編就為大家分享一篇Python 判斷 有向圖 是否有環(huán)的實例講解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-02-02
這篇文章主要介紹了Python復(fù)數(shù)屬性和方法運算操作,結(jié)合實例形式分析了Python復(fù)數(shù)運算相關(guān)操作技巧,代碼注釋備有詳盡說明,需要的朋友可以參考下2017-07-07
這篇文章主要介紹了Python 序列的方法總結(jié)的相關(guān)資料,需要的朋友可以參考下2016-10-10
python-opencv獲取二值圖像輪廓及中心點坐標的代碼
今天小編就為大家分享一篇python-opencv獲取二值圖像輪廓及中心點坐標的代碼，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08
這篇文章主要介紹了如何寫好?Python?的?Lambda?函數(shù),Lambda?函數(shù)是?Python?中的匿名函數(shù),下面文章通過介紹Lambda?函數(shù)的相關(guān)內(nèi)容展開文章主題，需要的小伙伴可以參考一下2022-03-03
這篇文章主要介紹了Python爬蟲之App爬蟲視頻下載的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-12-12
這篇文章主要介紹了深入剖析Python的列表和元組,Python有4個內(nèi)建的數(shù)據(jù)結(jié)構(gòu)，它們可以統(tǒng)稱為容器，因為它們實際上是一些“東西”組合而成的結(jié)構(gòu)，而這些“東西”，可以是數(shù)字、字符甚至列表，或是它們的組合,需要的朋友可以參考下2023-07-07
Python代碼解決RenderView窗口not found問題
這篇文章主要介紹了Python代碼解決RenderView窗口not found問題,需要的朋友可以參考下2016-08-08
字符串格式化是編程中一個常見的需求,它可以們將不同類型的數(shù)據(jù)插入到字符串中,在?Python?中,有多種方法可以執(zhí)行字符串格式化,本文為大家介紹了常見的三種方法,希望對大家有所幫助2024-02-02