模块11 形态学操作《计算机视觉处理项目实战》教学课件

《计算机视觉处理项目实战》✩精品课件合集✩精品课件合集第X章XXXX模块11形态学操作图像的腐蚀操作CONTENTS目录0102图像的腐蚀定义图像的腐蚀操作图像的腐蚀定义腐蚀是最基本的形态学操作之一，它能够将图像的边界点消除，使图像沿着边界向内收缩，也可以将小于指定结构体元素的部分去除。

图像的腐蚀操作OpenCV提供了cv2.erode()来实现图像的腐蚀操作，语法格式如下：dst=cv2.erode(src，kernel[,anchor[，iterations[，borderType[，borderValue]]]])dst表示腐蚀后所输出的目标图像，该图像和原始图像具有同样的类型和大小。src表示需要进行腐蚀的原始图像，图像的通道数可以是任意的。但是要求图像的深度必须是CV__8U、CV__16U、CV_16S、cV_32F、CV__64F中的一种。kernel表示腐蚀操作时所采用的结构类型。anchor表示element结构中锚点的位置。该值默认为(-1,-1),在核的中心ierations表示腐蚀操作迭代的次数，该值默认为1,即只进行一次腐蚀操作borderType表示边界样式，一般采用其默认值BORDER_CONSTANT。borderValue表示边界值，一般采用默认值。图像的腐蚀操作示例importcv2ascvimportnumpyasnpsrc=cv.imread("./image/C.png")cv.imshow("src",src)#创建核结构kenel=np.ones((28,28),dtype="uint8")#腐蚀img=cv.erode(src,kenel)cv.imshow("img",img)cv.waitKey()cv.destroyAllWindows()总结0102图像的腐蚀定义图像的腐蚀操作图像的膨胀操作CONTENTS目录0102图像的膨胀操作定义图像的膨胀操作图像的膨胀操作定义膨胀操作是形态学中另外种基本的操作。膨胀操作和腐蚀操作的作用是相反的，膨胀操作能对图像的边界进行扩张。如果图像内两个对象的距离较近，那么在膨胀的过程中，两个对象可能会连通在一起。膨胀操作对填补图像分割后图像内所存在的空白相当有帮助。图像的膨胀操作OpenCV提供了cv2.dilate()来实现图像的膨胀操作，语法格式如下：dst=cv2.dilate(src,kernel[,anchor[,iterations[,borderType[,borderValue]]]])dst表示膨胀后所输出的目标图像，该图像和原始图像具有同样的类型和大小。src是需要进行膨胀的原始图像，图像的通道数可以是任意的。但是要求图像的深度必须是CV_8U、CV_16U、cV_16S、cV_32F、CV__64F中的一种。element代表膨胀操作所采用的结构类型。它可以自定义生成，也可以通过函数cv2.getStructuringElement()生成。参数kernel、anchor、iterations、borderType、borderValue与函数cv2erode()内相应参数的含义一致。图像的膨胀操作示例importcv2ascvimportnumpyasnpsrc=cv.imread("./image/C.png")cv.imshow("src",src)#创建核结构kenel=np.ones((5,5),dtype="uint8")#膨胀img=cv.dilate(src,kenel)cv.imshow("img",img)cv.waitKey()cv.destroyAllWindows()总结0102图像的膨胀操作定义图像的膨胀操作图像开运算CONTENTS目录0102图像开运算概述图像开运算操作图像开运算概述开运算进行的操作是先将图像腐蚀，再对腐蚀的结果进行膨胀。开运算可以用于去噪。腐蚀运算结果原始图像图像开运算操作OpenCV提供了cv2.morphologyEx()来实现形态学运算，其语法格式如下：dst=cv2.morphologyEx(img,op,kernel)dst表示形态学处理后的图像。img表示需要处理的原始图像。op表示操作类型，如下所示参数说明MORPH_ERODE腐蚀MORPH_DILATE膨胀MORPH_OPEN开运算MORPH_CLOSE闭运算MORPH_GRADIENT梯度运算MORPH_TOPHAT顶帽运算MORPH_BLACKHAT黑帽运算图像开运算操作通过将函数cv2.morphologyEx()中操作类型参数设置为“cv2.MORPH_OPEN",可以实现开运算。语法格式如下：opening=cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)开运算是先腐蚀后膨胀，它能够除去孤立的小点、毛刺、而不影响原来的图像，它的作用就是分离物体，消除小区域。图像开运算操作示例importcv2importnumpyasnpimg=cv2.imread("C.png")kernel=np.ones((15,15),np.uint8)r=cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)cv2.imshow("img",img)cv2.imshow("resulut",r)cv2.waitKey()cv2.destroyAllWindows()总结0102图像开运算概述图像开运算操作图像闭运算CONTENTS目录01图像闭运算图像闭运算闭运算是先膨胀、后腐蚀的运算，它有助于消除物体内部的噪声的作用，还可以将不同的前景图像进行连接。原始图像运算结果原始图像运算结果图像闭运算OpenCV提供了cv2.morphologyEx()来实现图像的闭运算，通过将函数cv2.morphologyEx()中操作类型参数op设置为“cv2.MORPH_CLOSE",可以实现闭运算。语法格式如下：closing=cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)importcv2ascvimportnumpyasnpsrc=cv.imread("O.png")cv.imshow("src",src)kenel=np.ones((15,15),dtype="uint8")close=cv.morphologyEx(src,cv.MORPH_CLOSE,kenel)cv.imshow("close",close)cv.waitKey()cv.destroyAllWindows()总结01图像闭运算图像的形态学梯度运算CONTENTS目录0102图像的形态学梯度概述图像的形态学梯度运算图像的形态学梯度概述形态学梯度运算是用图像的膨胀图像减腐蚀图像的操作，该操作可以获取原始图像中前景图像的边缘。原始图像膨胀图像膨胀图像-腐蚀图像腐蚀图像图像的形态学梯度运算OpenCV提供了cv2.morphologyEx()来实现图像的梯度运算，通过将函数cv2.morphologyEx()的操作类型参数op设置为“cv2.MORPH_GRADIENT”,可以实现形态学梯度运算。语法格式如下：result=cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)importcv2importnumpyasnpimg=cv2.imread("X.png",cv2.IMREAD_UNCHANGED)kernel=np.ones((5,5),np.uint8)r=cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)cv2.imshow("img",img)cv2.imshow("result",r)cv2.waitKey()cv2.destroyAllWindows()总结0102图像的形态学梯度概述图像的形态学梯度运算图像礼帽运算CONTENTS目录0102图像礼帽运算概述图像礼帽运算操作图像礼帽运算概述礼帽运算是用原始图像减去其开运算图像的操作。礼帽运算能够获取图像的噪声信息，或者得到比原始图像的边缘更亮的边缘信息。应用礼帽运算获取图像的噪声信息图像礼帽运算操作OpenCV提供了cv2.morphologyEx()来实现图像的礼帽运算，通过将函数cv2morphologyEx()中操作类型参数op设置为“cv2.MORPH_TOPHAT",可以实现礼帽运算。result=cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)importcv2ascvimportnumpyasnpsrc=cv.imread("C.png")cv.imshow("src",src)kenel=np.ones((15,15),dtype="uint8")TOP=cv.morphologyEx(src,cv.MORPH_TOPHAT,kenel)cv.imshow("TOP",TOP)cv.waitKey()cv.destroyAllWindows()总结0102图像礼帽运算概述图像礼帽运算操作图像黑帽运算CONTENTS目录01图像黑帽运算图像黑帽运算黑帽运算是用闭运算图像减去原始图像的操作。黑帽运算能够获取图像内部的小孔，或前景色中的小黑点，或者得到比原始图像的边缘更暗的边缘部分。应用黑帽运算获取比原始图像原图像边缘更暗的边缘部分图像黑帽运算OpenCV提供了cv2.morphologyEx()来实现图像的黑礼帽运算，通过将函数cv2.morphologyEx()中操作类型参数op设置为“cv2.MORPH_BLACKHAT"，可以实现黑帽运算。代码格式如下：result=cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)importcv2importnumpyasnpimg=cv2.imread("O.png",cv2.IMREAD_UNCHANGED)kernel=np.ones((15,15),np.uint8)r=cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)cv2.imshow("img",img)cv2.imshow("result",r)cv2.waitKey()cv2.destroyAllWindows()总结01图像黑帽运算核函数CONTENTS目录01核函数核函数在进行形态学操作时，必须使用一个特定的核(结构元)，就是cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)函数中的最后一个参数kernel,该核可以自定义生成，也可以通过函数cv2.getStructuringElement()构造，该函数返回一个用于形态学处理所使用的核(结构元)。代码格式如下：retval=cv2.getStructuringElement(shape,ksize[,anchor])ksize表示结构元素的大小。anchor表示结构元素中的锚点位置。默认的值是(-1，-1)，是形状的中心。只有十字星型的形状与锚点位置紧密相关。在其他情况下，锚点位置仅用于形态学运算结果的调整。Shape表示形状类型，其可能的取值如下：cv2.MORPH_ELLIPSE椭圆形结构元素。cv2.MORPH_CROSS十字形结构元素。对角线元素值为1。cv2.MORPH_RECT矩形结构元素。所有元素值都是1。核函数示例imp