OpenCV形态学

什么事形态学处理
基于图像形态进行处理的一些基本方法；
这些处理方法基本是对二进制图像进行处理；
卷积核决定着图像出来后的效果。

一图像二值化

什么是二值化
将图像的每个像素变成两种值，如0,255.

全局二值化。

局部二值化。

threshold API

threshold(img,thresh,maxVal,type)
img:图像，最好是灰度图
thresh:阈值
maxVal:超过阈值，替换成maxVal
THRESH_BINARY和THRESH_BINARY_INV
THRESH_TRUNC
THRESH_TOZERO和THRESH_TOZERO_INV

import cv2

import numpy as np

img=cv2.imread('./2037551.jpg')

img1=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

ret,dst=cv2.threshold(img,180,255,cv2.THRESH_BINARY)

cv2.imshow('img',img)
cv2.imshow('gray',img1)
#cv2.imshow('bin',bin)

cv2.waitKey(0)

二阈值类型

thresholdType
在这里插入图片描述

三自适应阈值

由于光照不均匀以及阴影的存在，只有一个阈值会使得在阴影处的白色被二值化成黑色。

adaptiveThresholdAPI

adaptiveThreshold(img,maxVal,adaptiveMethod，type,blockSie,C)
adaptiveMethod:计算阈值的方法
blockSize:邻近区域的大小
C：常量，应从计算出的平均值或加权平均值中减去；
adaptiveMethod
计算阈值的方法
ADAPTIVE_THRESH_MEAN_C:计算领近区域的平均值
ADAPIVE_THRESH_GAUSSIAN_C：高斯窗口加权平均值
Type:THRESH_BINARY,THRESH_BINARY_INV

import cv2
import numpy as np

img=cv2.imread('./2037551.jpg')
img1=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

dst=cv2.adaptiveThreshold(img1,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
                              cv2.THRESH_BINARY_INV,11,0)

print(dst.shape)

cv2.imshow('img',img)
cv2.imshow('img1',img)
cv2.imshow('dst',dst)

cv2.waitKey(0)

四腐蚀

在这里插入图片描述

1 腐蚀运算

2 腐蚀效果

在这里插入图片描述

3 腐蚀API

erode(img,kernel,iterations=1)

import cv2
import numpy as np

img=cv2.imread('./2037551.jpg')

kernel=np.ones((3,3),np.uint8)

dst=cv2.erode(img,kernel,iterations=1)

cv2.imshow('img',img)
cv2.imshow('dst',dst)
cv2.waitKey(0)

六获取形态学卷积核

卷积核的类型

getStructuringElement(type,size)
Size值为:（3:3）、（5,5）...
MORPH_RECT
MORPH_ELLIPSE
MORPH_CROSS

七 OPenCV 膨胀

膨胀运算
在这里插入图片描述

1 膨胀效果

在这里插入图片描述

2 膨胀API

dilate(img,kernel,iterations=1)

问题
如果是白底黑字，进行腐蚀与膨胀后会怎样？
卷积核是否可以设置为全0？

八开运算

开运算=腐蚀+膨胀

开运算效果
在这里插入图片描述
开运算API

morphologyEx(img,EORPH_OPEN,kernel)

import cv2
import numpy as np

img=cv2.imread('./2037551.jpg')

kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(7,7))

#dst=cv2.erode(img,kernel,iterations=1)

#膨胀
#dst1=cv2.dilate(img,kernel,iterations=1)

dst1=cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)
#cv2.imshow('dst',dst)
cv2.imshow('dst1',dst1)
cv2.waitKey(0)

九闭运算

闭运算效果
在这里插入图片描述
闭运算API

morphology(img,MORPH_CLOSE,kernel)

十形态学剃度

梯度=原图-腐蚀

梯度效果图

梯度API

morphologyEx(img,MORPH_GRADIENT,kernel)

import cv2
import numpy as np

img=cv2.imread('./2037551.jpg')

kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(7,7))

#梯度
dst1=cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)

cv2.imshow('img',img)
cv2.imshow('dst',dst1)
cv2.waitKey(0)

十一顶帽运算

顶帽=原图-开运算

顶帽效果图
在这里插入图片描述
顶帽API

morphologyEx(img,MORPH_TOPHAT,kernel)

import cv2
import numpy as np

img=cv2.imread('./2037551.jpg')

kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(19,19))

#顶帽
dst1=cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)

cv2.imshow('img',img)
cv2.imshow('dst',dst1)
cv2.waitKey(0)

十二黑帽运算

黑帽=原图-闭运算

黑帽效果图
在这里插入图片描述
黑帽API

morphologyEx(img,MORPH_BLACKHAT,kernel)

import cv2
import numpy as np

img=cv2.imread('./2037551.jpg')

kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(19,19))

#顶帽
dst1=cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)

cv2.imshow('img',img)
cv2.imshow('dst',dst1)
cv2.waitKey(0)