摘要：本篇文章主要講解Python呼叫OpenCV實現影像形態學轉化，包括影像開運算、影像閉運算和梯度運算
本文分享自華為雲社群《[Python影像處理] 九.形態學之影像開運算、閉運算、梯度運算》，作者：eastmount。
數學形態學（Mathematical morphology）是一門建立在格論和拓撲學基礎之上的影像分析學科，是數學形態學影像處理的基本理論。其基本的運算包括：腐蝕和膨脹、開運算和閉運算、骨架抽取、極限腐蝕、擊中擊不中變換、形態學梯度、Top-hat變換、顆粒分析、流域變換等。
本篇文章主要講解Python呼叫OpenCV實現影像形態學轉化，包括影像開運算、影像閉運算和梯度運算，基礎性知識希望對您有所幫助。
- 1.影像開運算
- 2.影像閉運算
- 3.影像梯度運算
一. 影像開運算
1.基本原理
影像開運算是影像依次經過腐蝕、膨脹處理後的過程。影像被腐蝕後，去除了噪聲，但是也壓縮了影像；接著對腐蝕過的影像進行膨脹處理，可以去除噪聲，並保留原有影像。如下圖所示：
開運算(img) = 膨脹( 腐蝕(img) )
下圖是hanshanbuleng博主提供的開運算效果圖，推薦大家學習他的文章。
https://blog.csdn.net/hanshanbuleng/article/details/80657148
2.函式原型
影像開運算主要使用的函式morphologyEx，它是形態學擴充套件的一組函式，其引數cv2.MORPH_OPEN對應開運算。其原型如下：
dst = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)
引數dst表示處理的結果，src表示原影像，cv2.MORPH_OPEN表示開運算，kernel表示卷積核。下圖表示5*5的卷積核，可以採用函式 np.ones((5,5), np.uint8) 構建。
執行結果如下圖所示：
3.程式碼實現
完整程式碼如下所示：
#encoding:utf-8 import cv2 import numpy as np #讀取圖片 src = cv2.imread('test01.png', cv2.IMREAD_UNCHANGED) #設定卷積核 kernel = np.ones((5,5), np.uint8) #影像開運算 result = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel) #顯示影像 cv2.imshow("src", src) cv2.imshow("result", result) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果如下圖所示，可以看到噪聲已經被去除了。
但是結果result中仍然有部分噪聲，如果想去除更徹底將卷積設定為10*10的。
kernel = np.ones((10,10), np.uint8)
result = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)
二. 影像閉運算
1.基本原理
影像閉運算是影像依次經過膨脹、腐蝕處理後的過程。影像先膨脹，後腐蝕，它有助於關閉前景物體內部的小孔，或物體上的小黑點。如下圖所示：
閉運算(img) = 腐蝕( 膨脹(img) )
下圖是hanshanbuleng博主提供的開運算效果圖，推薦大家學習他的文章。
2.函式原型
影像閉運算主要使用的函式morphologyEx，其原型如下：
dst = cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernel)
引數dst表示處理的結果，src表示原影像， cv2.MORPH_CLOSE表示閉運算，kernel表示卷積核。下圖表示5*5的卷積核，可以採用函式 np.ones((5,5), np.uint8) 構建。
執行結果如下圖所示：
3.程式碼實現
完整程式碼如下所示：
#encoding:utf-8 import cv2 import numpy as np #讀取圖片 src = cv2.imread('test03.png', cv2.IMREAD_UNCHANGED) #設定卷積核 kernel = np.ones((10,10), np.uint8) #影像閉運算 result = cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernel) #顯示影像 cv2.imshow("src", src) cv2.imshow("result", result) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果如下圖所示，可以看到中間的噪聲去掉。
三. 影像梯度運算
1.基本原理
影像梯度運算是膨脹影像減去腐蝕影像的結果，得到影像的輪廓，其中二值影像1表示白色點，0表示黑色點。如下圖所示：
梯度運算(img) = 膨脹(img) - 腐蝕(img)
2.函式原型
影像梯度運算主要使用的函式morphologyEx，引數為cv2.MORPH_GRADIENT。其原型如下：
dst = cv2.morphologyEx(src, cv2.MORPH_GRADIENT, kernel)
引數dst表示處理的結果，src表示原影像， cv2.MORPH_GRADIENT表示梯度運算，kernel表示卷積核。5*5的卷積核可以採用函式 np.ones((5,5), np.uint8) 構建。
執行結果如下圖所示：
3.程式碼實現
完整程式碼如下所示：
#encoding:utf-8 import cv2 import numpy as np #讀取圖片 src = cv2.imread('test04.png', cv2.IMREAD_UNCHANGED) #設定卷積核 kernel = np.ones((10,10), np.uint8) #影像閉運算 result = cv2.morphologyEx(src, cv2.MORPH_GRADIENT, kernel) #顯示影像 cv2.imshow("src", src) cv2.imshow("result", result) #等待顯示 cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果如下圖所示，可以看到中間的噪聲去掉。
該系列在github所有原始碼：https://github.com/eastmountyxz/ImageProcessing-Python
本文摘錄自eastmount X華為雲開發者社群聯合出品的電子書《從零到一 • Python影像處理及識別》。點選免費下載電子書《從零到一 • Python影像處理及識別》