形态学滤波

定义结构元素

形态学处理的核心就是定义结构元素，在OpenCV-Python中，可以使用其自带的getStructuringElement函数，也可以直接使用NumPy的ndarray来定义一个结构元素。
函数原型：

Mat getStructuringElement(int shape, //核的形状  0：矩形  1：十字交叉形  2： 椭圆 Size ksize,//核大小Point anchor=Point(-1,-1) //核中心位置，默认位于形状中心处);椭圆：cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
矩形：cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
十字交叉:cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))

膨胀与腐蚀

腐蚀：腐蚀会把物体的边界腐蚀掉，卷积核沿着图象滑动，如果卷积核对应的原图的所有像素值为1，那么中心元素就保持原来的值，否则变为零。主要应用在去除白噪声，也可以断开连在一起的物体。

膨胀：卷积核所对应的原图像的像素值只要有一个是1，中心像素值就是1。

一般在除噪上的步骤是，先腐蚀再膨胀，因为腐蚀在去除白噪声的时候也会使图像缩小，所以我们之后要进行膨胀。当然也可以用来将两者物体分开。

膨胀和腐蚀是相对白色部分（高亮部分）而言的，膨胀是图像中的高亮部分进行膨胀，效果图拥有比原图更大的高亮区域；腐蚀是原图中的高亮部分被腐蚀，效果图拥有比原图更小的高亮区域。

实例程序:

import numpy as np
import cv2.cv2 as cv2  # 默认格式为BGR
import matplotlib.pyplot as plt  # python图片处理库def cv2_imread(file_path, flag=1):# 读取图片数据return cv2.imdecode(np.fromfile(file_path, dtype=np.uint8), flag)if __name__ == "__main__":# 读取图像img = cv2_imread("D:\\MATLAB2020\\bin\\yige.jpg")#增加噪音for i in range(3000):  # 添加3000个噪声点x = np.random.randint(0, h)  # 随机取行y = np.random.randint(0, w)  # 随机取列img[x, y, :] = 255  # 行和列设置为白色噪声点kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5, 5))print(kernel)eroded=cv2.erode(img,kernel)dilated=cv2.dilate(eroded,kernel)image_output = np.hstack((img, eroded, dilated))plt.axis('off')  # 关闭坐标轴  设置为on则表示开启坐标轴img= cv2.cvtColor(img, cv2.COLOR_BGR2RGB)eroded = cv2.cvtColor(eroded, cv2.COLOR_BGR2RGB)dilated = cv2.cvtColor(dilated, cv2.COLOR_BGR2RGB)plt.subplot(131)plt.imshow(img)plt.title("img")plt.subplot(132)plt.imshow(eroded)plt.title("eroded")plt.subplot(133)plt.imshow(dilated)plt.title("dilated")plt.show()  # 显示图像

开运算与闭运算

开运算:先腐蚀后膨胀

（１）开运算能够除去孤立的小点，毛刺，而总的位置和形状不便。
（２）开运算是一个基于几何运算的滤波器。
（３）结构元素大小的不同将导致滤波效果的不同。
（４）不同的结构元素的选择导致了不同的分割，即提取出不同的特征。

闭运算:先膨胀后腐蚀

（1）闭运算能够填平小湖（即小孔），弥合小裂缝，而总的位置和形状不变。
（2）闭运算是通过填充图像的凹角来滤波图像的。
（3）结构元素大小的不同将导致滤波效果的不同。
（4）不同结构元素的选择导致了不同的分割。

开运算可以用来消除小物体，在纤细点处分离物体。

形态学梯度运算

梯度=膨胀-腐蚀

形态学梯度能够提取物体边缘

顶帽与黑帽

顶帽：原图像 - 开运算图

突出原图像中比周围亮的区域

黑帽：闭运算图 - 原图像

突出原图像中比周围暗的区域

总结

膨胀和腐蚀是相对白色部分（高亮部分）而言的，膨胀是图像中的高亮部分进行膨胀，效果图拥有比原图更大的高亮区域；腐蚀是原图中的高亮部分被腐蚀，效果图拥有比原图更小的高亮区域。开运算可以用来消除小物体，在纤细点处分离物体。闭运算能够排除黑色区域。形态学梯度可以用来保留物体的边缘轮廓。黑帽运算后的效果图突出了比原图轮廓周围的区域更暗的区域。

cv2.morphologyEx函数的标识符:

标识符	含义
MORPH_OPEN	开运算
MORPH_CLOSE	闭运算
MORPH_ERODE	腐蚀运算
MORPH_DILATE	膨胀运算
MORTH_GRADIENT	形态学梯度运算
MORTH_TOPHAT	顶帽运算
MORTH_BLACKHAT	黑帽运算

Opencv-python形态学滤波操作相关推荐

OpenCV+python：模糊操作
模糊操作是图像处理中最简单和常用的操作之一,使用该操作的原因之一就为了给图像预处理时减低噪声. 模糊操作基于离散卷积计算: g(i,j)=∑k,lf(i+k,j+l)∗h(k,l)g(i,j) = \ ...
opencv python 高斯滤波_OpenCV 学习：8 高斯滤波GaussianBlur
1 什么是高斯滤波? 高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程.[1]通俗的讲,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他 ...
opencv python高斯滤波
OpenCV是一个开源的计算机视觉库,提供了很多用于图像处理和计算机视觉的工具.它可以通过 Python 进行访问.高斯滤波是一种常用的图像平滑处理方法,用于去除图像中的噪声和模糊不清的细节. 在 O ...
OpenCV+python图像处理基础操作
1.读写图像(建议使用绝对路径) import cv2 from cv2 im = cv2.imread('C:/Users/admin/Desktop/test/1.jpg') cv2.imwrit ...
OpenCV—python Gabor滤波（提取图像纹理）
文章目录一.Gabor滤波简介二.代码演示 Gabor是一个用于边缘提取的线性滤波器,其频率和方向表达与人类视觉系统类似,能够提供良好的方向选择和尺度选择特性,而且对于光照变化不敏感,因此十分适合 ...
OpenCV Python教程（3）（4）（5）：直方图的计算与显示形态学处理初级滤波内
OpenCV Python教程(3.直方图的计算与显示) 本篇文章介绍如何用OpenCV Python来计算直方图,并简略介绍用NumPy和Matplotlib计算和绘制直方图直方图的背景知识.用途 ...
使用Python，OpenCV进行形态学操作
使用Python,OpenCV进行形态学操作) 1. 效果图 2. 原理 3. 源码 3.1 [制作logo源码](https://blog.csdn.net/qq_40985985/article/ ...
opencv —— morphology形态学操作函数讲解（python）
opencv -- morphology形态学操作函数讲解目录 opencv -- morphology形态学操作函数讲解形态学滤波:morphologyEx 函数开运算:先腐蚀后膨胀. 闭运算 ...
python+OpenCV图像处理（十二）车牌定位中对图像的形态学组合操作处理
车牌定位中对图像的形态学组合操作处理所谓的车牌定位,其中最关键的部分就是对图片的处理,参数的设置,并使之拥有泛化能力. 首先传入图片,在进行大规模的图片处理时,因为无法确定图片的尺寸,所以需要将原始 ...

Opencv-python形态学滤波操作