基于 OpenCV 的图像形态学处理 - 膨胀，腐蚀，开运算，闭运算. 涉及到的 OpenCV 函数 - cv2.erode()，cv2.dilate()，cv2.morphologyEx()
膨胀和腐蚀是图像形态学的两个基本操作. 典型应用是在二值图像中的使用，是很多识别技术中重要的中间处理步骤.
在灰度图像中根据阈值同样可以完成膨胀与腐蚀操作.
1. 原理
二值图像f(x,y) 的膨胀操作，类似于对图像的卷积操作.
需要有个 kernel 操作矩阵，类似于卷积核(filters, kernel)，常见的是 3X3 的矩阵. 这是形态学处理的核心.
但与卷积不同的是，如果矩阵中的像素点有任意一个点的值是前景色，则设置中心像素点为前景色；否则不变.
图像形态学运算中腐蚀，膨胀，开运算和闭运算：
[1] - 腐蚀是一种消除边界点，使边界向内部收缩的过程
可以用来消除小且无意义的物体.
腐蚀算法：
用 3x3 的 kernel，扫描图像的每一个像素；
用 kernel 与其覆盖的二值图像做 “与” 操作；
如果都为1，结果图像的该像素为1；否则为0.
结果：使二值图像减小一圈.
[2] - 膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程
可以用来填补物体中的空洞.
膨胀算法：
用 3x3 的 kernel，扫描图像的每一个像素；
用 kernel 与其覆盖的二值图像做 “与” 操作；
如果都为0，结果图像的该像素为0；否则为1.
结果：使二值图像扩大一圈.
[3] - 先腐蚀后膨胀的过程称为开运算
用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积.
[4] - 先膨胀后腐蚀的过程称为闭运算
用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积
2. OpenCV 实现
2.1. 定义 kernel 矩阵
首先定义 kernel 矩阵 - 两种方式：
[1] - 利用 cv2.getStructuringElement 函数
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3)) # 椭圆结构
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (3, 3)) # 十字结构
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) # 矩形结构
[2] - 采用 Numpy 的 array 自定义
kernel = np.uint8(np.zeros((3, 3)))
for i in range(3):
kernel[2, i] = 1
kernel[i, 2] = 12.2. 腐蚀和膨胀
cv2.erode() 和 cv2.dilate() 函数
import cv2
import numpy as np
import matplot.pyplot as plt
png = cv2.imread('test.png', 0)
plt.figure()
plt.subplot(1, 3, 1)
plt.imshow(png)
plt.axis('off')
# 定义 kernel
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(10, 10))
# 图像腐蚀
eroded = cv2.erode(png, kernel)
plt.subplot(1, 3, 2)
plt.imshow(eroded) # Eroded Image
plt.axis('off')
# 图像膨胀
dilated = cv2.dilate(png, kernel)
plt.subplot(1, 3, 3)
plt.imshow(dilated) # Dilated Image
plt.axis('off')
plt.show()
(左)原图 (中)腐蚀 (右)膨胀
2.3. 开运算和闭运算
cv2.morphologyEx() 函数
[1] - 先腐蚀后膨胀叫开运算
常用于去除噪声
cv2.morphologyEx() 函数:
open_ = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)[2] - 先膨胀后腐蚀叫闭运算
常用于填充前景物体中的小洞，或者前景物体上的小黑点.
lose_ = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)开运算和闭运算不是可逆的.
# --*-- coding:utf-8 --*--
import cv2
import numpy as np
import matplot.pyplot as plt
png = cv2.imread('test.png', 0)
plt.figure()
plt.subplot(1, 3, 1)
plt.imshow(png)
plt.axis('off')
# 定义 kernel
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
# 闭运算
closed = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
plt.subplot(1, 3, 2)
plt.imshow(closed) # Closed Image
plt.axis('off')
#开运算
opened = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
plt.subplot(1, 3, 3)
plt.imshow(opened) # Opened Image
plt.axis('off')
plt.show()
(左)原图 (中)闭运算 (右)开运算