Typlog 的相册语法 OpenCV的Logo

介绍了图像处理中的形态学操作，以及如何使用OpenCV库来执行这些操作。括腐蚀、膨胀、开运算、闭运算、梯度运算、顶帽运算和黑帽运算。每种操作都有不同的效果和应用。

一、噪声处理的基本操作

1.腐蚀

让图像沿着自己边界向内收缩，OpenCV通过核（kernel）来实现收缩计算。

   在形态学中，可以理解为由N个像素组成的像素块，（每一个像素块，包含一个核（kernel））在图像的边缘移动，移动的过程中，核将会在图像的边缘抹除图像和核（kernel）重合但又没有越过核心（kernel）的像素点抹除。

例子一、消除仙人掌的刺

import cv2
import numpy as np
img =cv2.imread(r"D:\Program Files (x86)\PyCharmProject\pythonProject\video-face\xtz.png")
k=np.ones((3,3),np.uint8)#3*3矩阵定义核的大小
cv2.imshow( "img",img)
dst=cv2.erode(img,k)#腐蚀
cv2.imshow("dst",dst)
cv2.waitKey()
cv2.destroyAllwindows( )

dst=cv2.erode(src,kernel,anchor,iterations,borderType,borderValue)

参数说明: src原始图像 kernel腐蚀使用的核 anchor可选参数核的锚点位置 iterations可选参数腐蚀操作的迭代次数，默认值为1，后面两个参数建议采用默认

2.膨胀

   膨胀操作与腐蚀操作相反，膨胀操作可以让图像沿着自己的边界向内扩张。

  同样是通过核来计，当核在图像的边缘移动时，核会将图像边缘填补新的像素

import cv2
import numpy as np
img=cv2.imread(r"D:\Program Files (x86)\PyCharmProject\pythonProject\video-face\xtz.png")
k=np.ones((9,9),np.uint8)
cv2.imshow( "img",img)
dst=cv2.dilate(img, k)
cv2.imshow( "dst",dst)
cv2.waitKey()
cv2.destroyAllwindows()

```Python
dst=cv2.dilate(src,kernel,anchor,iterations,borderType,borderValue)\

参数说明如下

src原始图像 kernel膨胀使用的核 anchor可选参数核的锚点位置 iterations可选参数膨胀操作的迭代次数后面两个为可选参数建议取默认值

膨胀可以产生一种“近视眼”的效果。

3.开运算

   开运算是将图像先进行腐蚀操作，再进行膨胀操作。

开运算可以用来抹除图像外部的细节。

#开运算
import cv2
import numpy as np
img=cv2.imread(r"D:\Program Files (x86)\PyCharmProject\pythonProject\video-face\tzzy.png")
k=np.ones((6,6),np.uint8)#创建5*5的核
cv2.imshow( "img " ,img)
dst=cv2.erode(img,k)#腐蚀操作
dst=cv2.dilate(dst,k)#膨胀操作
cv2.imshow( "dst",dst)
cv2.waitKey()
cv2.destroyAllWindows()

4.闭运算

   闭运算是将图像先进行膨胀操作，再进行腐蚀操作。

闭运算可以抹除图像内部的细节。

#闭运算
import cv2
import numpy as np
img = cv2.imread(r"D:\Program Files (x86)\PyCharmProject\pythonProject\video-face\rabbit.jpg")
img = cv2.resize(img, (900, 900))
k = np.ones((9,9),np.uint8)
cv2.imshow("img",img)
dst = cv2.dilate(img,k)
dst = cv2.erode(dst,k)
cv2.imshow("dst2",dst)
cv2.waitKey()
cv2.destroyAllWindows()

二、形态学其他方法：

   腐蚀和膨胀都是形态学的基础操作，开运算和闭运算是两种方法的运用。除了这两种方法外，形态学还有集中比较有特点的运算，OpenCV提供了一个morphologyEx方法

英 [mɔːˈfɒlədʒi] 美 [mɔːrˈfɑːlədʒi]

morphologyEx(src,op,kernel,anchor)

src 原始图像

op 操作类型

kernel 操作过程中使用的核

anchor 核锚点的位置

操作类型如下：

参数值	含义
cv2.MORPH_ERODE	腐蚀操作
cv2.MORPH_DILATE	膨胀操作
cv2.MORPH_OPEN	开运算，先腐蚀后膨胀
cv2.MORPH_CLOSE	闭运算，先膨胀后腐蚀
cv2.MORPH_GRADIENT	梯度运算，膨胀图减腐蚀图
cv2.MORPH_TOPHAT	顶帽运算，原始图减开运算图
cv2.MORPH_BLACKHAT	黑帽运算，闭运算图减原始图

1.梯度运算

   梯度是指图像梯度，可以简单理解为像素的变化程度。几个连续的像素，像素的跨度值越大，梯度值就越大。

   梯度运算就是，膨胀图减去腐蚀图，就是将扩张的膨胀图挖去收缩过的腐蚀图。

梯度运算可以得到原图的轮廓。

#梯度运算，得到简笔画的轮廓
import cv2
import numpy as np
img=cv2.imread(r"D:\Program Files (x86)\PyCharmProject\pythonProject\video-face\rabbit.jpg")
img = cv2.resize(img,(600,600))
k=np.ones((5,5),np.uint8)#创建5*5的核
cv2.imshow( "img" ,img)
#进行梯度运算
dst=cv2.morphologyEx(img,cv2.MORPH_GRADIENT,k)
cv2.imshow( "dst" ,dst)#显示梯度运算结果
cv2.waitKey()
cv2.destroyAllwindows( )

兔子为实心线条，膨胀-腐蚀后，所以会在兔子周围形成两条线。

2.顶帽运算

   原图减去原图的开运算图，就是用有细节的原图挖去去除外部细节的开运算图。也就是只剩下外部细节的图。

顶帽运算=原图-开运算图形=外部细节图

#顶帽运算，原图减开运算图
import cv2
import numpy as np
img=cv2.imread(r"D:\Program Files (x86)\PyCharmProject\pythonProject\video-face\xtz.png")
k=np.ones((10,10),np.uint8)
cv2.imshow( "img" ,img)
dst=cv2.morphologyEx(img,cv2.MORPH_TOPHAT,k)
cv2.imshow( "dst" ,dst)
cv2.waitKey()
cv2.destroyAllwindows()

3.黑帽运算

   原图的闭运算减去原图，也就是去除内部细节的图挖去有内部细节的原图，只剩内部细节。

黑帽运算=原图像-闭运算图像=内部细节图

#黑帽运算
import cv2
import numpy as np
img=cv2.imread(r"D:\Program Files (x86)\PyCharmProject\pythonProject\video-face\rabbit.jpg")
img = cv2.resize(img,(600,600))
k=np.ones((3,3),np.uint8)#创建5*5的核
cv2.imshow( "img" ,img)
#进行黑帽运算
dst=cv2.morphologyEx(img, cv2.MORPH_BLACKHAT,k)
cv2.imshow( "dst",dst)#显示黑帽运算结果
cv2.waitKey()
cv2.destroyAllwindows()

三、总结

腐蚀操作：通过核来缩小图像中的对象，用于去除小细节或分离连接的对象。

膨胀操作：通过核来扩大图像中的对象，用于填充空洞或连接对象。

开运算：先腐蚀后膨胀，用于去除小物体，平滑边界，分离物体。

闭运算：先膨胀后腐蚀，用于填充小孔，连接物体。

梯度运算：膨胀图减腐蚀图，用于提取物体的边界。

顶帽运算：原图减开运算图，用于提取图像中的细节。

黑帽运算：闭运算图减原图，用于提取图像中的内部细节。

   这些形态学操作可以用于图像增强、去噪、分割和特征提取等应用。通过适当选择和组合这些操作，可以实现多种图像处理效果。