OpenCV-Python怎么實(shí)現(xiàn)通用形態(tài)學(xué)函數(shù)

這篇文章將為大家詳細(xì)講解有關(guān)OpenCV-Python怎么實(shí)現(xiàn)通用形態(tài)學(xué)函數(shù)，小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

通用形態(tài)學(xué)函數(shù)

，我們介紹了形態(tài)學(xué)的基礎(chǔ)腐蝕與膨脹操作，而將腐蝕與膨脹結(jié)合起來進(jìn)行組合，我們就能實(shí)現(xiàn)開運(yùn)算，閉運(yùn)算等復(fù)雜的形態(tài)學(xué)運(yùn)算。

在OpenCV中，它給我們提供的通用形態(tài)學(xué)函數(shù)為cv2.morphologyEx()，其完整定義如下：

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

這些參數(shù)基本前面都介紹過，不過有一點(diǎn)需要說明，src原始圖像必須是CV_8U，CV_16U，CV_16S，CV_32F，CV_64F中的一種。

當(dāng)然，這里面還有一個(gè)陌生的參數(shù)就是op，它就是各種形態(tài)學(xué)的類別，具體類別如表所示：

開運(yùn)算

如上表所示，開運(yùn)算是將原圖像腐蝕，再對(duì)其進(jìn)行膨脹操作。主要用于去噪，計(jì)數(shù)等。去噪我們已經(jīng)通過上面的腐蝕操作就可以完成，下面我們來實(shí)現(xiàn)有趣的計(jì)數(shù)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()

運(yùn)行之后，我們能將不同區(qū)域劃分開來，效果如下：

閉運(yùn)算

閉運(yùn)算是先膨脹后腐蝕的運(yùn)算，它有助于關(guān)閉前景物體內(nèi)部的小孔，或去除物體上的小黑點(diǎn)，還可以將不同的前景圖像進(jìn)行連接。下面，我們就將上圖進(jìn)行連接。

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()

運(yùn)行之后，兩個(gè)方塊就連接為一個(gè)整體了，效果如下所示：

形態(tài)學(xué)梯度運(yùn)算

形態(tài)學(xué)梯度運(yùn)算是用圖像膨脹后的圖像減去腐蝕圖像的運(yùn)算，該操作可以獲取原始圖像中的前景圖像的邊緣。我們還是用上篇膨脹的圖來測(cè)試，代碼如下：

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()

運(yùn)行之后，我們的圖像就中空了，效果如下：

頂帽運(yùn)算

頂帽運(yùn)算是用原始圖像減去其開運(yùn)算圖像的操作。它能夠獲取圖像的噪聲信息，或者得到比原圖像的邊緣更亮的邊緣信息。也就是獲取上圖中的白色線條，具體代碼如下：

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()

運(yùn)行之后，效果如下：

黑帽運(yùn)算

黑帽運(yùn)算是用閉運(yùn)算圖像減去原始圖像的操作。它能夠獲取內(nèi)部的小孔，或前景色中的小黑點(diǎn)，亦或者得到比原始圖像的邊緣更暗的邊緣部分。這里，我們用前面的人物圖像，代碼如下：

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()

運(yùn)行之后，效果如下：

結(jié)構(gòu)元函數(shù)

前面我們介紹過，結(jié)構(gòu)元可以自定義，也可以通過cv2.getStructuringElement()函數(shù)生成。這里，我們來看看其完整的定義：

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

shape：形狀類型，取值如下表：

ksize：結(jié)構(gòu)元的大小

anchor：結(jié)構(gòu)元的錨點(diǎn)位置，默認(rèn)值（-1，1），是形狀的中心。只有十字星型的形狀與錨點(diǎn)位置緊密聯(lián)系。在其他情況下，錨點(diǎn)位置僅用于形態(tài)學(xué)運(yùn)算結(jié)果的調(diào)整。

下面，我們將這三種形狀類型都實(shí)現(xiàn)一遍，具體代碼如下：

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()

運(yùn)行之后，效果如下所示：

關(guān)于“OpenCV-Python怎么實(shí)現(xiàn)通用形態(tài)學(xué)函數(shù)”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，使各位可以學(xué)到更多知識(shí)，如果覺得文章不錯(cuò)，請(qǐng)把它分享出去讓更多的人看到。