图像形态学操作对比（Opencv）

形态学基于图像的形状进行操作，用于处理二值化图像，主要包括腐蚀和膨胀两种基本操作。这些操作通常用于去除噪声、分隔或连接相邻的元素以及寻找图像中显著的最大点和最小点。

1. 形态学操作

import cv2
import numpy as np
import matplotlib.pyplot as plotimg = cv2.imread("tmp.jpg")
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
kernel = np.ones((5,5), np.uint8)
img_e = cv2.erode(img, kernel)
img_d = cv2.dilate(img, kernel)plot.figure(figsize=(12,4));
plot.subplot(1,3,1)
plot.title('source image')
plot.imshow(img)
plot.subplot(1,3,2)
plot.title('erosion')
plot.imshow(img_e)
plot.subplot(1,3,3)
plot.title('dilation')
plot.imshow(img_d)plot.show()

在这里插入图片描述

2. 概念简述

2.1 腐蚀（Erosion）

基本原理：腐蚀操作会将图像中的前景区域进行“侵蚀”，缩小物体的边界。核（kernel）会扫描图像的每个像素，如果核覆盖区域的所有像素值都是前景，则该像素保持不变；否则，它将被腐蚀成背景。因此，腐蚀可以有效去除图像中的小细节，比如孤立的噪声点。
应用场景：
- 去除噪声：腐蚀常用于消除图像中的孤立噪声点或小块不需要的细节。
- 分割连接物体：腐蚀可以用于分离连接较紧密的物体，例如两个接触的物体。

2.2 膨胀（Dilation）

基本原理：膨胀操作是腐蚀的反向操作，它通过扩展物体的边界来增加前景区域的面积。核（kernel）扫描图像时，如果核覆盖区域有一个或多个前景像素，那么该像素就会被膨胀为前景。因此，膨胀操作会使物体变大，并且可以填充前景区域中的小空隙或“洞”。
应用场景：
- 增强物体边界：膨胀通常用于在边界模糊的物体中增强边缘，使得物体更加明显。
- 连接断开的部分：膨胀可以用于连接图像中断开的物体，如中断的线条、文字或其他形状。

2.3 腐蚀与膨胀的结合

腐蚀和膨胀通常结合使用，形成了多种形态学操作：

开运算（Opening）：先腐蚀后膨胀，常用于去除小物体或噪声，但保留物体整体结构。
闭运算（Closing）：先膨胀后腐蚀，常用于填充物体内部的小空洞，平滑物体边缘。
形态学梯度：通过膨胀和腐蚀之间的差异，提取图像边缘

3. 开闭运算

import cv2
import numpy as np
import matplotlib.pyplot as plotimg = cv2.imread("tmp.jpg")
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
kernel = np.ones((5,5), np.uint8)
img_op = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
img_cl = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
img_gr = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)plot.figure(figsize=(16,4));
plot.subplot(1,4,1)
plot.title('source image')
plot.imshow(img)
plot.subplot(1,4,2)
plot.title('Open')
plot.imshow(img_op)
plot.subplot(1,4,3)
plot.title('Close')
plot.imshow(img_cl)
plot.subplot(1,4,4)
plot.title('Gradient')
plot.imshow(img_gr)plot.show()

在这里插入图片描述

4. Matplotlib显示函数对比

4.1 plot

绘制x，y的一元方程的函数关系图
plot ([x], y, [fmt], **kwargs)

[x]：横坐标轴数据，可选参数
y：纵坐标轴数据
[fmt] ：定义图形的基本样式：颜色，点型，线型
**Kwargs：不定长的关键字参数，用字典形式设置图形的其他属性，或者重复x,y,fmt用于多条线同时显示

[fmt] 具体形式 ‘[颜色][标记][线型]’，是一个字符串来定义图的基本属性，详细分解如下：

颜色参数	颜色含义
b	blue 蓝
g	green 绿
'r	red 红
c	cyan 蓝绿
m	magenta 洋红
y	yellow 黄
k	black 黑
w	white 白

标记参数	标记含义
.	点标记
,	像素标记
o	圆圈标记
v	倒三角标记
^	正三角标记
<	左三角标记
>	右三角标记
1	朝下三角标记
2	朝上三角标记
3	朝左三角标记
4	朝右三角标记
s	方形标记
p	五角形标记
*	星形标记
h	六边形标记1
H	六边形标记2
+	加号标记
x	乘号标记
D	钻石标记
d	瘦钻石标记
\|	竖线标记
_	水平线标记

在这里插入图片描述

线型参数	线型含义
-	实线
- -	虚线
-.	点画线
:	点线

4.2 imshow

创建图像对象并配置其属性，但不会显示图像
imshow(X, cmap=None, norm=None, aspect=None, interpolation=None, alpha=None, vmin=None, vmax=None, origin=None, extent=None, shape=None, filternorm=1, filterrad=4.0, imlim=None, resample=None, url=None, *, data=None, **kwargs)：