1.腐蝕操作

腐蝕操作是圖像處理中常用的一種形態(tài)學操作，我們通常用于去除圖像中的噪聲、分割連通區(qū)域、減小目標物體的尺寸等。腐蝕操作的原理是，在給定的結(jié)構元素下，遍歷圖像的每個像素，并將其值替換為該像素周圍鄰域內(nèi)像素的最小值。結(jié)構元素控制了腐蝕的鄰域范圍和形狀。鄰域內(nèi)的任何一個像素為黑色（0），則中心像素也將被置為黑色（0）。這樣可以縮小或消除二值圖像中的前景目標。在OpenCV中，我們可以使用cv2.erode()來實現(xiàn)腐蝕操作

語法如下：

cv2.erode(src, kernel, iterations)

參數(shù)說明：

• src：輸入的二值圖像，通常為單通道灰度圖像。
• kernel：腐蝕操作的結(jié)構元素，用于定義腐蝕的鄰域大小和形狀?？梢允褂?cv2.getStructuringElement() 函數(shù)創(chuàng)建不同形狀的結(jié)構元素。
• iterations：腐蝕操作的迭代次數(shù)，表示應用腐蝕的重復次數(shù)。

接下來我們先來看一張圖：

img = cv2.imread('JOJO.png')cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

大家可以看到，除了JOJO之外，它的周圍還有很多斜線，我們可以利用腐蝕操作來消除。

# 創(chuàng)建結(jié)構元素 (3x3 方框形)
kernel = np.ones((3, 3), dtype=np.uint8)# 執(zhí)行腐蝕操作
eroded = cv2.erode(img, kernel, iterations=1)# 顯示結(jié)果
cv2.imshow('Eroded Image', eroded)
cv2.waitKey(0)
cv2.destroyAllWindows()

可以看到，這些斜線變得很淺，因為被他周圍的黑色所影響，并且原始圖像的字母也變得更小了，因為腐蝕操作減少了一部分信息。

我們可以更改iterations的值，來增加迭代次數(shù)，迭代的次數(shù)越多，則腐蝕的越嚴重，具體結(jié)果如下

erosion_1 = cv2.erode(img,kernel,iterations = 1)#1次迭代
erosion_2 = cv2.erode(img,kernel,iterations = 2)#2次迭代
erosion_3 = cv2.erode(img,kernel,iterations = 3)#3次迭代
res = np.hstack((erosion_1,erosion_2,erosion_3))#水平堆砌
# 顯示結(jié)果
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

腐蝕操作和膨脹（Dilation）操作相對應，二者經(jīng)常組合使用以實現(xiàn)更復雜的形態(tài)學圖像處理任務,接下來我們來看看膨脹操作。

2.膨脹操作

說完了腐蝕操作之后，我們再來看一下它的逆操作，膨脹操作。我們在上面的腐蝕操作中，在消除噪聲的同時，把有價值的信息也減少了。因此我們希望將這些有價值的信息增大，這樣就要利用到膨脹操作。

在 OpenCV 中，膨脹操作是通過 cv2.dilate() 函數(shù)實現(xiàn)的。該函數(shù)接受三個參數(shù)：輸入圖像、結(jié)構元素和迭代次數(shù)。

結(jié)構元素可以通過 cv2.getStructuringElement() 函數(shù)創(chuàng)建，它定義了膨脹操作的鄰域大小和形狀。常見的結(jié)構元素形狀包括矩形、橢圓和十字形。

我們還是用剛剛的例子

# 原始圖像
img = cv2.imread('JOJO.png')
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

接下來我們使用腐蝕操作消除細線

# 腐蝕操作
kernel = np.ones((5,5),np.uint8) 
dige_erosion = cv2.erode(img,kernel,iterations = 1)cv2.imshow('erosion', erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

我們可以看見其中字母也變小了，我們想恢復其原始信息。

# 膨脹操作
kernel = np.ones((3,3),np.uint8) 
dige_dilate = cv2.dilate(dige_erosion,kernel,iterations = 1)cv2.imshow('dilate', dige_dilate)
cv2.waitKey(0)
cv2.destroyAllWindows()

膨脹操作的效果取決于結(jié)構元素的形狀和大小，以及迭代次數(shù)。增加迭代次數(shù)會使目標物體區(qū)域更大，邊界更粗糙。通常情況下，一個或兩個迭代次數(shù)就足夠了。

膨脹操作通常與腐蝕操作結(jié)合使用，以在圖像中執(zhí)行形態(tài)學處理。這種組合的方法稱為開運算（Opening）和閉運算（Closing），接下來我們來看看如何實現(xiàn)

3.開運算和閉運算

開運算是先進行腐蝕操作，再進行膨脹操作。它主要用于去除圖像中的噪點、小的干擾物或者分離連通的對象。

閉運算是先進行膨脹操作，再進行腐蝕操作。它主要用于填充圖像中的小洞孔或者連接分離的對象。

開運算：

在opencv中，通過調(diào)用cv2.morphologyEx()函數(shù)，并指定操作類型為cv2.MORPH_OPEN，實現(xiàn)開運算

# 開：先腐蝕，再膨脹
img = cv2.imread('dige.png')kernel = np.ones((5,5),np.uint8) 
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)cv2.imshow('opening', opening)
cv2.waitKey(0)
cv2.destroyAllWindows()

可以看到開運算可以讓我們先去除邊緣細線，然后再增加信息恢復到原始結(jié)果。

閉運算：

在opencv中，通過調(diào)用cv2.morphologyEx()函數(shù)，并指定操作類型為cv2.MORPH_CLOSE，實現(xiàn)閉運算

# 閉：先膨脹，再腐蝕
img = cv2.imread('JOJO.png')kernel = np.ones((5,5),np.uint8) 
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)cv2.imshow('closing', closing)
cv2.waitKey(0)
cv2.destroyAllWindows()

在閉運算中，由于一開始我們加粗了邊緣細線，導致后續(xù)我們即使做了腐蝕操作也不能完全去除。

這兩種方法可以用來改善圖像的質(zhì)量、去除噪聲或者填充空洞，具體根據(jù)我們的需求進行更改。

4.禮帽與黑帽

• 禮帽 = 原始輸入-開運算結(jié)果
• 黑帽 = 閉運算-原始輸入

通過使用禮帽和黑帽操作，可以突出圖像中細微的亮或暗結(jié)構，或者檢測背景中的亮或暗區(qū)域。

禮帽操作

在opencv中，我們通過調(diào)用 cv2.morphologyEx() 函數(shù)，并指定操作類型為 cv2.MORPH_TOPHAT，執(zhí)行禮帽操作

#禮帽
img = cv2.imread('JOJO.png')
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('tophat', tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()

黑帽操作：

黑帽操作是禮帽操作的相反過程，用于突出圖像中微小結(jié)構或背景中的暗區(qū)域。在Opencv中，通過調(diào)用 cv2.morphologyEx() 函數(shù)，并指定操作類型為cv2.MORPH_BLACKHAT，執(zhí)行黑帽操作。

#黑帽
img = cv2.imread('JOJO.png')
blackhat  = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('blackhat ', blackhat )
cv2.waitKey(0)
cv2.destroyAllWindows()

5.梯度運算

• 梯度 = 膨脹-腐蝕

首先，我們分別實現(xiàn)膨脹和腐蝕操作。

# 梯度=膨脹-腐蝕
img = cv2.imread('JOJO.png')
kernel = np.ones((5,5),np.uint8) 
dilate = cv2.dilate(img,kernel,iterations = 1)
erosion = cv2.erode(img,kernel,iterations = 1)res = np.hstack((dilate,erosion))cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

接下來我們實現(xiàn)梯度運算

# 梯度運算
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)cv2.imshow('gradient', gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()

大家可以看出這個圖片就是用膨脹操作-腐蝕操作的結(jié)果。

🔎本章的介紹到此介紹，如果文章對你有幫助，請多多點贊、收藏、評論、訂閱支持！！《Opencv入門到項目實戰(zhàn)》