一、圖像形態學

圖像形態學是圖像處理學科的一個單獨分支學科
主要針對的是灰度圖和二值圖像
是由數學的集合論以及數學中的拓撲幾何原理發展而來
在這里插入圖片描述

二、膨脹操作（dilate）

3×3的卷積核
在這里插入圖片描述

以3×3為卷積核從左往右(從上往下)開始運行，若這卷積核內存在1，則用1替代中心元素。
最大值取代中心像素
白變多，黑變少

膨脹的作用：

對象大小增加一個像素(3×3)
平滑對象邊緣
減少或者填充對象之間的距離

二值圖

import cv2 as cv
import numpy as npdef dilate(image):print(image.shape)gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)cv.imshow("binary", binary)kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))dst = cv.dilate(binary, kernel)cv.imshow("dilate", dst)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\number.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
dilate(src)cv.waitKey(0)
cv.destroyAllWindows()

效果圖如下：在這里插入圖片描述

·彩色圖·

import cv2 as cv
import numpy as npsrc = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\l.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
dst = cv.dilate(src, kernel)
cv.imshow("result", dst)cv.waitKey(0)
cv.destroyAllWindows()

效果圖如下：
在這里插入圖片描述

三、腐蝕操作（erode）

3×3的卷積核
在這里插入圖片描述

以3×3為卷積核從左往右(從上往下)開始運行，若這卷積核內存在0，則用0替代中心元素。
最小值取代中心像素
黑變多，白變少

二值圖

import cv2 as cv
import numpy as npdef erode(image):print(image.shape)gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)#圖像二值化cv.imshow("binary", binary)kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 15))dst = cv.erode(binary, kernel)cv.imshow("erode", dst)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\number.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
erode_demo(src)cv.waitKey(0)
cv.destroyAllWindows()

效果圖如下：在這里插入圖片描述

在這里插入圖片描述
彩色圖

import cv2 as cv
import numpy as npsrc = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\l.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
dst = cv.erode(src, kernel)
cv.imshow("erode", dst)cv.waitKey(0)
cv.destroyAllWindows()

效果圖如下：
在這里插入圖片描述
腐蝕和膨脹針對彩色圖像和二值圖像

總結：膨脹---白變多黑變少、腐蝕---黑變多白變少

四、開操作（open）

開操作=腐蝕+膨脹
可以消除圖像中小的干擾區域
cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)，若出現反轉可以將參數設置為cv.THRESH_BINARY_INV

import cv2 as cv
import numpy as npdef open(image):print(image.shape)gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)cv.imshow("binary", binary)kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (5, 5))binary = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel)cv.imshow("open-result", binary)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\test.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
open(src)cv.waitKey(0)
cv.destroyAllWindows()

效果圖如下：在這里插入圖片描述

五、閉操作（close）

閉操作=膨脹+腐蝕
填充小的封閉區域

import cv2 as cv
import numpy as npdef close(image):print(image.shape)gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)cv.imshow("binary", binary)kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))binary = cv.morphologyEx(binary, cv.MORPH_CLOSE, kernel)cv.imshow("close_demo", binary)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\test1.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
close(src)cv.waitKey(0)
cv.destroyAllWindows()

效果圖如下：在這里插入圖片描述

開閉操作只針對二值圖像
總結：開操作消除白點，閉操作消除黑點

六、頂帽（tophat）

原圖像與開操作的差值圖像

彩色圖像

import cv2 as cv
import numpy as npdef tophat(image):gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 15))dst = cv.morphologyEx(gray, cv.MORPH_TOPHAT, kernel)"""若圖片不夠亮可以對圖像進行整體增加亮度cimage = np.array(gray.shape, np.uint8)cimage = 120;dst = cv.add(dst, cimage)"""cv.imshow("tophat", dst)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\l.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
tophat(src)
cv.waitKey(0)cv.destroyAllWindows()

效果圖如下：
在這里插入圖片描述
二值圖像

import cv2 as cv
import numpy as npdef tophat_binary(image):gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))dst = cv.morphologyEx(binary, cv.MORPH_TOPHAT, kernel)cv.imshow("tophat_binary", dst)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\test.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
tophat_binary(src)
cv.waitKey(0)cv.destroyAllWindows()

效果圖如下：
在這里插入圖片描述

七、黑帽（blackhat）

閉操作與原圖像的差值圖像
彩色圖像

import cv2 as cv
import numpy as npdef blackhat(image):gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 15))dst = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, kernel)"""若圖片不夠亮可以對圖像進行整體增加亮度cimage = np.array(gray.shape, np.uint8)cimage = 120;dst = cv.add(dst, cimage)"""cv.imshow("blackhat", dst)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\l.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
blackhat(src)
cv.waitKey(0)cv.destroyAllWindows()

效果圖如下：
在這里插入圖片描述
二值圖像

import cv2 as cv
import numpy as npdef blackhat_binary(image):gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))dst = cv.morphologyEx(binary, cv.MORPH_BLACKHAT, kernel)cv.imshow("blackhat_binary", dst)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\test.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
blackhat_binary(src)
cv.waitKey(0)cv.destroyAllWindows()

效果圖如下：
在這里插入圖片描述

八、形態學梯度（Gradient）

基本梯度：膨脹后的圖像減去腐蝕后的圖像得到的差值圖像
內部梯度：原圖像減去腐蝕之后的圖像得到的差值圖像
外部梯度：圖像膨脹之后減去原來的圖像得到的差值圖像

基本梯度

import cv2 as cv
import numpy as npdef base_gradient(image):gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))dst = cv.morphologyEx(binary, cv.MORPH_GRADIENT, kernel)cv.imshow("base_gradient", dst)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\test.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
base_gradient(src)cv.waitKey(0)
cv.destroyAllWindows()

效果圖如下：
在這里插入圖片描述
內梯度和外梯度

import cv2 as cv
import numpy as npdef ex_in_gradient(image):kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))dm = cv.dilate(image, kernel)em = cv.erode(image, kernel)dst1 = cv.subtract(image, em) # internal gradientdst2 = cv.subtract(dm, image) # external gradientcv.imshow("internal", dst1)cv.imshow("external", dst2)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\test.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
ex_in_gradient(src)cv.waitKey(0)
cv.destroyAllWindows()