形态学处理 OpenCV图像处理实战课件

第七章形态学处理第七章形态学处理形态学主要从图像内提取分量信息，该分量信息通常对于表达和描绘图像的形状具有重要意义，通常是图像理解时所使用的最本质的形状特征，例如，在识别手写数字时，能够通过形态学运算得到其骨架信息，在具体识别时，仅针对骨架进行运算即可。形态学处理在视觉检测、文字识别、医学图像处理、图像压缩编码等领域都有非常重要的应用。形态学变换主要包括腐蚀、膨胀和高级形态操作形态学：主要用于二值图像的形状操作第七章形态学处理形态学操作内核形态操作会使用一个内核（也称结构元）遍历图像，根据内核和图像的位置关系决定内核中心对应的图像像素点的输出结果。内核可以是自定义的矩阵（NumPy数组），也可以是cv2.getStructuringElement()函数返回的矩阵。cv2.getStructuringElement()函数的基本格式如下：参数说明如下：shape为内核的形状，可使用的常量包括cv2.MORPH_RECT（矩形）、cv2.MORPH_CROSS（十字形）和cv2.MORPH_ELLIPSE（椭圆形）。ksize为内核的大小。第七章形态学处理形态学操作内核第七章形态学处理形态学操作内核使用Numpy数组定义内核第七章形态学处理7.1腐蚀腐蚀操作遍历图像时，会根据内核和图像的位置决定内核中心对应的图像像素点的输出结果在图4-37所示的示意图中，0表示背景，1表示前景，灰色方块表示大小为3×3的矩形内核。且内核为当内核部分或全部处于前景之外时，内核中心对应单元格的值设置为0，如图4-37（a）所示。只有在内核完全处于前景内部时，内核中心对应单元格的值才设置为1，如图4-37（b）所示通过腐蚀操作，图像的边界被侵蚀，白色区域缩小，腐蚀结果如图4-37（c）所示。第七章形态学处理7.1腐蚀OpenCV的cv2.erode()函数用于实现腐蚀操作语法格式：dst=cv2.erode(src,kernel[,anchor[,iterations[,borderType[,borderValue]]]])参数说明：dst：腐蚀后的结果图像。src：原图像。kernel：内核。anchor：锚点，默认值为(-1,-1)，表示锚点为内核中心。第七章形态学处理7.1腐蚀OpenCV的cv2.erode()函数用于实现腐蚀操作语法格式：dst=cv2.erode(src,kernel[,anchor[,iterations[,borderType[,borderValue]]]])参数说明：iterations：腐蚀操作的迭代次数borderType为边界类型，默认为BORDER_CONSTANTborderValue为边界值，一般由OpenCV自动确定第七章形态学处理7.1腐蚀应用案例1：对某个矩阵实用不同的内核进行腐蚀操作矩阵：内核：结果：

内核：结果：第七章形态学处理7.1腐蚀应用案例1：对某个矩阵实用不同的内核进行腐蚀操作第七章形态学处理7.1腐蚀应用案例2：对字母图像进行腐蚀操作第七章形态学处理7.1腐蚀应用案例2-1：增大内核进行腐蚀操作可以看出随着内核增大，图像前景白色部分更细了第七章形态学处理7.1腐蚀应用案例2-2：变换内核进行腐蚀操作

椭圆十字不同的内核（结构元素）对于腐蚀处理结果有很大的影响，应根据实际情况选择适合的核及其大小第七章形态学处理7.1腐蚀应用案例2-2：进行多次腐蚀操作设置参数iteration=2，表示进行两次腐蚀操作

原图一次腐蚀

两次腐蚀可以看出每次腐蚀都使白色前景变细，两次腐蚀操作后的图像明细边缘更粗糙、不光滑

第七章形态学处理7.2膨胀膨胀操作与腐蚀操作正好相反，它对图像的边界进行扩张。其执行遍历操作时，只有在内核完全处于前景外部时，内核中心对应像素点的值才设置为0，否则设置为1。在图4-39所示的示意图中，0表示背景，1表示前景，灰色方块表示大小为3×3的矩形内核。执行膨胀操作时，依次将内核中心对准每一个单元格，根据内核和前景的位置关系决定当前单元格的值。只有在内核完全处于前景外部时，内核中心对应单元格的值才设置为0，如图4-39（a）所示。内核部分在前景内时，内核中心对应单元格的值设置为1，如图4-39（b）所示。通过膨胀操作，图像的边界被扩张，白色区域增大，膨胀结果如图4-39（c）所示。

第七章形态学处理7.2膨胀膨胀的使用通常情况下，在去除噪声以后，在腐蚀操作之后就是膨胀腐蚀消除了白色的噪音，但也缩小了前景物体，需要使用膨胀来扩大膨胀在连接物体的破碎部分时很有用

第七章形态学处理7.2膨胀OpenCV的cv2.dilate()函数用于实现膨胀操作语法格式：dst=cv2.dilate(src,kernel[,anchor[,iterations=None[,borderType=None[,borderValue=None]]]])参数说明：dst：膨胀后的结果图像。src：原图像。kernel：内核。anchor：锚点，默认值为(-1,-1)，表示锚点为内核中心。borderType,borderValue与cv2.erode()函数中的对应参数一致

第七章形态学处理7.2膨胀应用案例1：使用数组演示膨胀的基本原理矩阵：内核：膨胀结果：

第七章形态学处理7.2膨胀应用案例2：对字母图像进行膨胀操作

第七章形态学处理7.2膨胀应用案例3：增大膨胀核，对字母图像进行膨胀操作

第七章形态学处理7.2膨胀应用案例4：变换膨胀核

可以看出不同的膨胀核（结构元素）对于膨胀处理结果有很大的影响，应根据实际情况选择适合的核及其大小

第七章形态学处理7.2膨胀应用案例5：多次膨胀操作可以看出每次膨胀都使白色前景变粗，两次膨胀操作后的图像明细边缘更光滑，原来不连通的区域变为连通

第七章形态学处理7.3开运算开运算操作是结合了腐蚀和膨胀的一种运算，先腐蚀后膨胀开运算就是先进行腐蚀，消除小物体、分离间隔区，再进行膨胀，使目标整体边缘平滑OpenCV中进行开运算操作使用cv2.morphologyEx()函数语法格式：img=cv2.morphologyEx(src,op,kernel,iterations=None,borderType=None,borderValue=None)参数说明：src：需要进行开运算的图像op：运算操作选择符，开运算是MORPH_OPENkernel：核

第七章形态学处理7.3开运算参数说明：iterations：迭代次数，默认值为1borderType：用于推断图像外部像素的某种边界模式borderValue：当边界为常数时的边界值，有默认值morphologyDefaultBorderValue，一般不设置上述参数中src、op、kernel为必须参数，其它为可选项

第七章形态学处理7.3开运算应用案例1：对字母图像进行开运算

第七章形态学处理7.3开运算应用案例2：增加结构信息进行开运算

结果：随着结构信息增大，部分白色前景图像消失了原因：随着结构信息增大，进行腐蚀操作时去除了部分白色前景，而后进行膨胀操作时没有办法完全恢复

第七章形态学处理7.3开运算开运算总结：开运算能够除去孤立的小点，毛刺和小桥，而总的位置和形状不变开运算是一个基于几何运算的滤波器结构元素大小的不同将导致滤波效果的不同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

第七章形态学处理7.4闭运算闭运算是先进行膨胀然后进行腐蚀操作，与开运算相反一般用来填充前景物体中的小洞，或者抹去前景物体上的小黑点基本原理是先将白色部分变大，把小的黑色部分挤掉，然后再将一些大的黑色的部分还原回来OpenCV中进行闭运算操作使用cv2.morphologyEx()函数语法格式：img=cv2.morphologyEx(src,op,kernel,iterations=None,borderType=None,borderValue=None)参数说明：src：需要进行闭运算的图像op：运算操作选择符，闭运算是MORPH_CLOSE

第七章形态学处理7.4闭运算参数说明：kernel：核iterations：迭代次数，默认值为1borderType：用于推断图像外部像素的某种边界模式borderValue：当边界为常数时的边界值，有默认值morphologyDefaultBorderValue，一般不设置上述参数中src、op、kernel为必须参数，其它为可选项

第七章形态学处理7.4闭运算应用实例1：对图像进行闭运算

第七章形态学处理7.4闭运算应用实例2：增大结构信息，进行闭运算

结果：随着结构信息增大，前景白色图像扩大了原因：随着结构信息增大，进行膨胀操作时去除了部分黑色背景，而后进行腐蚀操作时没有办法完全恢复第七章形态学处理7.4闭运算闭运算总结：闭运算能够填平小孔，弥合小裂缝，而总的位置和形状不变闭运算是通过填充图像的凹角来滤波图像的结构元素大小的不同将导致滤波效果的不同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

第七章形态学处理7.5形态学梯度梯度用于刻画目标边界或边缘位于图像灰度级剧烈变化的区域形态学梯度是一幅图像的膨胀图和腐蚀图之差，可以实现物体的边缘轮廓识别OpenCV中进行形态学梯度操作使用cv2.morphologyEx()函数语法格式：img=cv2.morphologyEx(src,op,kernel,iterations=None,borderType=None,borderValue=None)参数说明：src：需要进行形态学梯度运算的图像op：运算操作选择符，形态学梯度是MORPH_GRADIENTkernel：核

第七章形态学处理7.5形态学梯度参数说明：iterations：迭代次数，默认值为1borderType：用于推断图像外部像素的某种边界模式borderValue：当边界为常数时的边界值，有默认值morphologyDefaultBorderValue，一般不设置上述参数中src、op、kernel为必须参数，其它为可选项

第七章形态学处理7.5形态学梯度应用实例1：对图像进行形态学梯度运算

第七章形态学处理7.6顶帽子顶帽运算计算的是原始图像和开运算后的图像之差，获得图像的噪声信息，用来分离比临近点亮一些的斑块OpenCV中进行顶帽操作使用cv2.morphologyEx()函数语法格式：img=cv2.morphologyEx(src,op,kernel,iterations=None,borderType=None,borderValue=None)参数说明：src：需要进行开运算的图像op：运算