脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → OpenCV 形态学函数

OpenCV-Python实现通用形态学函数

 更新时间：2021年06月11日 11:15:37   作者：一天一篇Python库  
本文将结合实例代码，介绍OpenCV-Python实现通用形态学函数，包含开运算，闭运算等复杂的形态学运算，需要的朋友们下面随着小编来一起学习学习吧

通用形态学函数

上篇博文，我们介绍了形态学的基础腐蚀与膨胀操作，而将腐蚀与膨胀结合起来进行组合，我们就能实现开运算，闭运算等复杂的形态学运算。

在OpenCV中，它给我们提供的通用形态学函数为cv2.morphologyEx()，其完整定义如下：

def morphologyEx(src, op, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None):

这些参数基本前面都介绍过，不过有一点需要说明，src原始图像必须是CV_8U，CV_16U，CV_16S，CV_32F，CV_64F中的一种。

当然，这里面还有一个陌生的参数就是op，它就是各种形态学的类别，具体类别如表所示：

类型 说明 意义 操作
cv2.MORPH_ERODE 腐蚀 腐蚀 erode()
cv2.MORPH_DILATE 膨胀 膨胀 dilate()
cv2.MORPH_OPEN 开运算 先腐蚀后膨胀 dilate(erode())
cv2.MORPH_CLOSE 闭运算 先膨胀后腐蚀 erode(dilate())
cv2.MORPH_GRADIENT 形态学梯度运算 膨胀图减腐蚀图 dilate()-erode()
cv2.MORPH_TOPHAT 顶帽运算 原始图像减开运算所得图像 src-open()
cv2.MORPH_BLACKHAT 黑帽运算 闭运算所得图像减原始图像 close()-src
cv2.MORPH_HITMISS 击中击不中 前景背景腐蚀运算的交集。仅仅支持CV8UC1二进制图像 intersection(erode(src),erode(src1))

开运算

如上表所示，开运算是将原图像腐蚀，再对其进行膨胀操作。主要用于去噪，计数等。去噪我们已经通过上面的腐蚀操作就可以完成，下面我们来实现有趣的计数操作。

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()

运行之后，我们能将不同区域划分开来，效果如下：

开运算

闭运算

闭运算是先膨胀后腐蚀的运算，它有助于关闭前景物体内部的小孔，或去除物体上的小黑点，还可以将不同的前景图像进行连接。下面，我们就将上图进行连接。

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()

运行之后，两个方块就连接为一个整体了，效果如下所示：

闭运算

形态学梯度运算

形态学梯度运算是用图像膨胀后的图像减去腐蚀图像的运算，该操作可以获取原始图像中的前景图像的边缘。我们还是用上篇膨胀的图来测试，代码如下：

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()

运行之后，我们的图像就中空了，效果如下：

形态学梯度运算

顶帽运算

顶帽运算是用原始图像减去其开运算图像的操作。它能够获取图像的噪声信息，或者得到比原图像的边缘更亮的边缘信息。也就是获取上图中的白色线条，具体代码如下：

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()

运行之后，效果如下：

顶帽运算

黑帽运算

黑帽运算是用闭运算图像减去原始图像的操作。它能够获取内部的小孔，或前景色中的小黑点，亦或者得到比原始图像的边缘更暗的边缘部分。这里，我们用前面的人物图像，代码如下：

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()

运行之后，效果如下：

黑帽运算

结构元函数

前面我们介绍过，结构元可以自定义，也可以通过cv2.getStructuringElement()函数生成。这里，我们来看看其完整的定义：

def getStructuringElement(shape, ksize, anchor=None):

shape：形状类型，取值如下表：

类型 意义
cv2.MORPH_RECT 矩形结构元，所有元素值为1
cv2.MORPH_CROSS 十字形结构元，对角线元素值为1
cv2.MORPH_ELLIPSE 椭圆形结构元素

ksize：结构元的大小

anchor：结构元的锚点位置，默认值（-1，1），是形状的中心。只有十字星型的形状与锚点位置紧密联系。在其他情况下，锚点位置仅用于形态学运算结果的调整。

下面，我们将这三种形状类型都实现一遍，具体代码如下：

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()

运行之后，效果如下所示：

结构元函数

到此这篇关于OpenCV-Python实现通用形态学函数的文章就介绍到这了,更多相关OpenCV 通用形态学函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • 跟老齐学Python之传说中的函数编写条规

    跟老齐学Python之传说中的函数编写条规

    在使用函数的时候，首先要把它放在对象的层面考量，它不是什么特殊的东西，尽管我们使用了不少篇幅讲述它，但它终归还是一个对象。
    2014-10-10
  • Python装饰器知识点补充

    Python装饰器知识点补充

    本篇文章给大家补充了关于Python装饰器的相关知识点内容，大家可以跟着学习参考下。
    2018-05-05
  • Python对list列表结构中的值进行去重的方法总结

    Python对list列表结构中的值进行去重的方法总结

    这篇文章主要介绍了Python对列表list中的值进行去重的方法总结,文中给出的方法都能保持去重后的顺序不发生改变,需要的朋友可以参考下
    2016-05-05
  • 浅谈keras2 predict和fit_generator的坑

    浅谈keras2 predict和fit_generator的坑

    这篇文章主要介绍了浅谈keras2 predict和fit_generator的坑，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-06-06
  • Python对接六大主流数据库(只需三步)

    Python对接六大主流数据库(只需三步)

    这篇文章主要介绍了Python对接六大主流数据库(只需三步)，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2019-07-07
  • python通过tcp发送xml报文的方法

    python通过tcp发送xml报文的方法

    今天小编就为大家分享一篇python通过tcp发送xml报文的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2018-12-12
  • 用Python编写简单的gRPC服务的详细过程

    用Python编写简单的gRPC服务的详细过程

    gRPC 是可以在任何环境中运行的现代开源高性能 RPC 框架。接下来通过本文给大家介绍用Python编写简单的gRPC服务的详细过程，感兴趣的朋友一起看看吧
    2021-07-07
  • 关于pytorch训练分类器

    关于pytorch训练分类器

    这篇文章主要介绍了关于pytorch训练分类器问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2023-09-09
  • python paramiko实现ssh远程访问的方法

    python paramiko实现ssh远程访问的方法

    这篇文章主要介绍了python paramiko模块实现ssh远程访问的方法，大家参考使用
    2013-12-12
  • windows系统IIS部署Django项目的实践

    windows系统IIS部署Django项目的实践

    采用IIS服务器部署相比django提供的开发者服务器具有更好的并发访问能力，性能更加稳定，本文主要介绍了windows系统IIS部署Django项目的实践，具有一定的参考价值，感兴趣的可以了解一下
    2022-03-03

最新评论