目录

一、形态学

 二、图像全局二值化

 三、自适应阈值二值化

四、腐蚀操作

五、获取形态学卷积核

六、膨胀操作

七、开运算

八、闭运算

---

一、形态学

定义:

• 指一系列处理图像形状特征的图像处理技术
• 形态学的基本思想是利用一种特殊的结构元(本质上就是卷积核)来测量或提取输入图像中相应的形状或0特征，以便进一步进行图像分析和目标识别。
• 这些处理方法基本是对二进制图像进行处理即黑白图像
• 卷积核决定着图像处理后的效果

 二、图像全局二值化

二值化:将图像的每个像素变成两种值，比如0,255

参照函数:

 案例代码如下:

import cv2
import numpy as  np# 导入图片
img = cv2.imread('6.jpg')# 二值化是对灰度图像操作
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)# 注意，threshold会返回两个值(一个是阈值，一个是二值化处理后的图片)
thresh,dst = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)# 展示
cv2.imshow('dog',np.hstack((gray,dst)))# 释放资源
cv2.waitKey(0)
cv2.destroyAllWindows()

 三、自适应阈值二值化

前提:

在前面的部分我们使用是全局闻值，整幅图像采用同一个数作为闻值。当时这种方法并不适应与所有情况，尤其是当同一幅图像上的不同部分的具有不同亮度时。这种情况下我们需要采用自适应闻值。此时的闻值是根据图像上的每一个小区域计算与其对应的闻值。因此在同一幅图像上的不同区域采用的是不同的闻值，从而使我们能在亮度不同的情况下得到更好的结果

案例代码如下:

import cv2
import numpy as npimg = cv2.imread('6.jpg')cv2.namedWindow('img',cv2.WINDOW_NORMAL)
cv2.resizeWindow('img',1920,1080)# 二值化操作是对灰度图像操作，把图像转为灰度图像
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)# 自适应阈值二值化只返回一个值，即二值化后的结果
dst = cv2.adaptiveThreshold(gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV,3,0)# 展示
cv2.imshow('img',np.hstack((gray,dst)))cv2.waitKey(0)
cv2.destroyAllWindows()

四、腐蚀操作

腐蚀操作也是用卷积核扫描图像，只不过腐蚀操作的卷积和一般都是1，如果卷积核内所有像素点都是白色，那么锚点也是白色。

腐蚀操作API:

 案例代码如下:

import cv2
import numpy as np# 导入图片
img = cv2.imread('6.jpg')# 定义核
kernel = np.ones((3,3),np.uint8)
dst = cv2.erode(img,kernel,iterations=2)cv2.imshow('img',np.hstack((img,dst)))cv2.waitKey(0)
cv2.destroyWindow()

五、获取形态学卷积核

OpenCv提供了获取卷积核的API，不需要我们手工创建卷积核

案例代码如下:

import cv2
import numpy as npimg = cv2.imread('6.jpg')kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))# 腐蚀
dst = cv2.erode(img,kernel,iterations=2)

六、膨胀操作

膨胀是腐蚀的相反操作，基本原理是只要保证卷积核的锚点是非0值，周边无论是0还是非0值，都变成非0 值

案例代码如下:

import cv2
import numpy as np# 导入图片
img = cv2.imread('6.jpg')# 动态获取卷积核
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))# 膨胀操作
dst = cv2.dilate(img,kernel,iterations=1)# 展示图片
cv2.imshow('img',np.hstack((img,dst)))# 释放资源
cv2.waitKey(0)
cv2.destroyAllWindows()

七、开运算

开运算=腐蚀+膨胀

 案例代码如下:

import cv2
import numpy as np# 开运算=腐蚀+膨胀
# 开运算提供了另一种去除噪声的思路
img = cv2.imread('6.jpg')kernel = cv2.cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))# # 先腐蚀
# dst = cv2.erode(img,kernel,iterations=2)
#
# # 膨胀
# dst = cv2.dilate(dst,kernel,iterations=2)# 直接调用OpenCv提供的开运算API
dst = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel,iterations=2)# 展示图片
cv2.imshow('img',np.hstack((img,dst)))# 释放资源
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下:

八、闭运算

闭运算=膨胀+腐蚀

案例代码如下:

import cv2
import numpy as np# 导入图片
img = cv2.imread('6.jpg')# 卷积核
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))# 闭运算
dst = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel,iterations=2)# 展示图片
cv2.imshow('img',np.hstack((img,dst)))# 释放资源
cv2.waitKey(0)
cv2.destroyAllWindows()