opencv阈值处理函数是什么（OpenCV形态学处理腐蚀膨胀）

逗爷 2023-09-01 09:01:03 584

opencv阈值处理函数是什么（OpenCV形态学处理腐蚀膨胀）iterations为迭代次数。iterations=2，表示在完成第一次腐蚀的结果图像上再进行腐蚀。img为输入的图像。kernel为卷积核大小，卷积核越小，腐蚀越慢，需要的迭代次数越多。我们先导入接下来操作需要的库文件和图像数据import cv2 import numpy as np # 指定图片所在文件夹 filepath = 'C:\\...\\img\\changed' # 获取文件夹中的某张图 img = cv2.imread(filepath '\\wiseman.jpg') # 显示图片 cv2.imshow('wiseman' img) cv2.waitKey(0) # 设置图片不会自动消失 cv2.destroyAllWindows() # 任意键关闭图像1. 腐蚀操作腐蚀操作，一般处理二值化图像，黑白图像，白色区域减

各位同学好，今天和大家分享一下图像的形态学处理方法。内容有：

膨胀腐蚀、开运算和闭运算、梯度运算、礼帽和黑帽

（1）腐蚀：cv2.erode()；（2）膨胀：cv2.dilate()；（3）形态学函数：cv2.morphologyEx()；

那我们开始吧。

opencv阈值处理函数是什么（OpenCV形态学处理腐蚀膨胀）(1)

正文

我们先导入接下来操作需要的库文件和图像数据

import cv2 import numpy as np # 指定图片所在文件夹 filepath = 'C:\\...\\img\\changed' # 获取文件夹中的某张图 img = cv2.imread(filepath '\\wiseman.jpg') # 显示图片 cv2.imshow('wiseman' img) cv2.waitKey(0) # 设置图片不会自动消失 cv2.destroyAllWindows() # 任意键关闭图像1. 腐蚀操作

腐蚀操作，一般处理二值化图像，黑白图像，白色区域减少。简单理解为，卷积核在图像上移动的过程中，如果卷积核所框住的部分全为黑或全为白，图像不变；如果既有黑又有白，那么按一定策略将白变黑。

腐蚀函数： cv2.erode(img kernel iterations)

img为输入的图像。kernel为卷积核大小，卷积核越小，腐蚀越慢，需要的迭代次数越多。

iterations为迭代次数。iterations=2，表示在完成第一次腐蚀的结果图像上再进行腐蚀。

# 5*5的全1卷积核；uint8是专门用于存储各种图像的（包括RGB，灰度图像等），范围是从0–255 kernel = np.ones((5 5) np.uint8) # 参数为：输入图像，卷积核，迭代次数=1 img2 = cv2.erode(img kernel iterations=1) # 显示图片 cv2.imshow('wiseman2' img2) cv2.waitKey(0) cv2.destroyAllWindows()

下图对比

opencv阈值处理函数是什么（OpenCV形态学处理腐蚀膨胀）(2)

原图

opencv阈值处理函数是什么（OpenCV形态学处理腐蚀膨胀）(3)

腐蚀后的图

2. 膨胀操作

膨胀操作，一般处理二值化图像，白色区域增大。和腐蚀相反，卷积核在图像上移动的过程中，如果既有黑又有白，那么按一定策略将黑变白。

腐蚀函数： cv2.dilate(img kernel iterations)

参数同上，img为输入的图像。kernel为卷积核大小。iterations为迭代次数。

#（2）膨胀操作 # 设置卷积核3*3全1 kernel = np.ones((3 3) np.uint8) # 传入图像，卷积核，迭代次数 img3 = cv2.dilate(img kernel iterations=1) # 显示图片 cv2.imshow('wiseman3' img3) cv2.waitKey(0) cv2.destroyAllWindows()

下图所示

opencv阈值处理函数是什么（OpenCV形态学处理腐蚀膨胀）(4)

原图

opencv阈值处理函数是什么（OpenCV形态学处理腐蚀膨胀）(5)

膨胀后的图

3. 形态学函数

cv2.morphologyEx(img op kernel)

img代表输入图像；kernel代表卷积核；op代表形态学处理参数，如下

MORPH_ERODE：腐蚀（黑变多），与腐蚀函数cv2.erode效果相同
MORPH_DILATE：膨胀（白变多），与膨胀函数cv2.dilate效果相同
MORPH_OPEN：开运算，先腐蚀后膨胀。平滑边界，去除凸起，移除小白点
MORPH_CLOSE：闭运算，先膨胀再腐蚀。填充图像内部小黑洞，填充图像凹陷
MORPH_GRADIENT：梯度计算，用膨胀图减腐蚀图。获得图像的边缘轮廓
MORPH_TOPHAT：礼帽，用原图像减去开运算后的图像。获得原图像中比周围亮的区域
MORPH_BLACKHAT：黑帽，闭运算图像减去原图像。获取原图像中比周围暗的区域

4. 开运算

先腐蚀后膨胀，白色区域先变小后扩张，平滑边界（去掉凸起）、移除白点

cv2.morphologyEx(img cv2.MORPH_OPEN kernel)

#（3）开运算：先腐蚀后膨胀 # 定义卷积核 kernel = np.ones((3 3) np.uint8) # 形态学函数：图像，开运算，卷积核 img4 = cv2.morphologyEx(img cv2.MORPH_OPEN kernel) # 显示图片 cv2.imshow('opening' img4) cv2.waitKey(0) cv2.destroyAllWindows()

效果图在下面。

5. 闭运算

先膨胀后腐蚀，白色区域先变大后缩小，闭运算用于填充图像内部的小黑洞、填充图像的凹陷等，排除小黑洞，连接被误分为许多小块的对象

#（4）闭运算：先膨胀后腐蚀 # 定义卷积核 kernel = np.ones((3 3) np.uint8) # 形态学函数：图像，闭运算，卷积核 img4 = cv2.morphologyEx(img cv2.MORPH_CLOSE kernel) # 显示图片 cv2.imshow('closing' img4) cv2.waitKey(0) cv2.destroyAllWindows()

第一张为原图，第二张为开运算，第三张为闭运算

opencv阈值处理函数是什么（OpenCV形态学处理腐蚀膨胀）(6)

6. 梯度计算

梯度图，用膨胀图减腐蚀图。可以用于获得图像中物体的轮廓，可以突出团块的边缘，保留物体的边缘轮廓。

# ==2== 梯度运算，膨胀图像减去腐蚀图像，得到轮廓信息 # 卷积核 kernel = np.ones((3 3) np.uint8) # 形态学处理函数，输入图像，梯度计算参数，卷积核 gradient = cv2.morphologyEx(img cv2.MORPH_GRADIENT kernel) # 绘图，查看边界信息 cv2.imshow('gradient' gradient) cv2.waitKey(0) cv2.destoryAllWindows()

下图第一张是膨胀图像，第二张是腐蚀图像，第三张是梯度图

opencv阈值处理函数是什么（OpenCV形态学处理腐蚀膨胀）(7)

7. 礼帽

礼帽 = 原始输入 - 开运算结果

可以用于获得原图像中比周围亮的区域，去除白色重叠部分

# ==1== 礼帽 # 获取图像 img = cv2.imread(filepath '\\wiseman.jpg') # 卷积核 kernel = np.ones((8 8) np.uint8) # 形态学处理函数，输入图像，梯度计算参数，卷积核 tophat = cv2.morphologyEx(img cv2.MORPH_TOPHAT kernel) # 绘图，查看边界信息 cv2.imshow('tophat' tophat) cv2.waitKey(0) cv2.destoryAllWindows()

第一张为原图，第二张为开运算，第三张是礼帽

opencv阈值处理函数是什么（OpenCV形态学处理腐蚀膨胀）(8)

8. 黑帽

黑帽 = 闭运算-原始输入

可以用于获取原图像中比周围暗的区域，保留白色重叠部分

# ==2== 黑帽 # 获取图像 img = cv2.imread(filepath '\\wiseman.jpg') # 卷积核 kernel = np.ones((8 8) np.uint8) # 形态学处理函数，输入图像，梯度计算参数，卷积核 blackhat = cv2.morphologyEx(img cv2.MORPH_BLACKHAT kernel) # 绘图，查看边界信息 cv2.imshow('blackhat' blackhat) cv2.waitKey(0) cv2.destoryAllWindows()

第一张是闭运算，第二张是原图，第三张是黑帽

opencv阈值处理函数是什么（OpenCV形态学处理腐蚀膨胀）(9)