Python OpenCV学习之图像形态学

简介

图像形态学是图像处理中重要的一环，常常用于消除图像噪声和边缘检测等。OpenCV提供了一系列的图像形态学操作，包括腐蚀（erode）、膨胀（dilate）、开（open）、闭（close）等。

腐蚀（erode）

腐蚀操作主要用于消除小的亮点或白色噪点等，是对图像的缩小操作，可以使图像中的轮廓细化，使之保持原有形状。

在OpenCV中，可以使用cv2.erode()函数实现腐蚀操作。该函数的原型为：

cv2.erode(src, kernel, iterations=None) -> dst

其中，src为输入的图像，kernel为腐蚀核，可以使用cv2.getStructuringElement()生成，iterations为腐蚀次数，缺省值为1，dst为输出的图像。

下面是一个示例：

import cv2
import numpy as np

img = cv2.imread("input.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
kernel = np.ones((5, 5), np.uint8)
erosion = cv2.erode(gray, kernel, iterations=1)
cv2.imwrite("output.png", erosion)

膨胀（dilate）

膨胀操作与腐蚀操作相反，它主要用于扩大图像的高亮区域，是对图像的增大操作，可以使图像中的轮廓粗化，使之保持原有形状。

在OpenCV中，可以使用cv2.dilate()函数实现膨胀操作。该函数的原型为：

cv2.dilate(src, kernel, iterations=None) -> dst

其中，参数与cv2.erode()函数类似。

下面是一个示例：

import cv2
import numpy as np

img = cv2.imread("input.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
kernel = np.ones((5, 5), np.uint8)
dilation = cv2.dilate(gray, kernel, iterations=1)
cv2.imwrite("output.png", dilation)

开（open）

开操作主要用于去除小的亮点或白色噪点等，同时保持图像中的线条和曲线等形状。

在OpenCV中，可以使用cv2.morphologyEx()函数结合cv2.erode()函数和cv2.dilate()函数实现开操作。该函数的原型为：

cv2.morphologyEx(src, op, kernel, dst=None, iterations=None, borderType=None, borderValue=None) -> dst

其中，op为形态学操作类型，可以使用cv2.MORPH_OPEN表示开操作，dst为输出的图像。

下面是一个示例：

import cv2
import numpy as np

img = cv2.imread("input.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
kernel = np.ones((5, 5), np.uint8)
opening = cv2.morphologyEx(gray, cv2.MORPH_OPEN, kernel)
cv2.imwrite("output.png", opening)

闭（close）

闭操作与开操作相反，它主要用于去除小的黑点或黑色噪点等，同时保持图像中的线条和曲线等形状。

在OpenCV中，可以使用cv2.morphologyEx()函数结合cv2.erode()函数和cv2.dilate()函数实现闭操作。该函数的原型为：

cv2.morphologyEx(src, op, kernel, dst=None, iterations=None, borderType=None, borderValue=None) -> dst

其中，op为形态学操作类型，可以使用cv2.MORPH_CLOSE表示闭操作，dst为输出的图像。

下面是一个示例：

import cv2
import numpy as np

img = cv2.imread("input.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
kernel = np.ones((5, 5), np.uint8)
closing = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, kernel)
cv2.imwrite("output.png", closing)

总结

使用OpenCV的图像形态学操作，可以方便、高效地处理图像中的噪声，获得更好的图像质量，同时保留图像的重要特征。在实际应用中，可以根据具体需要选择不同的形态学操作，以获得最优的处理效果。