在圖像處理領(lǐng)域，圖像形態(tài)學(xué)是一種基于形狀進(jìn)行圖像分析的有力工具，廣泛應(yīng)用于圖像分割、特征提取、邊緣檢測(cè)、圖像降噪等多個(gè)方面。借助 OpenCV 這個(gè)強(qiáng)大的計(jì)算機(jī)視覺(jué)庫(kù)，我們可以輕松實(shí)現(xiàn)各種圖像形態(tài)學(xué)操作。本文將深入探討圖像形態(tài)學(xué)的基本原理，并結(jié)合 OpenCV 的代碼示例，介紹腐蝕、膨脹、開(kāi)運(yùn)算、閉運(yùn)算、梯度運(yùn)算、頂帽運(yùn)算和黑帽運(yùn)算等常見(jiàn)的形態(tài)學(xué)操作。

一、圖像形態(tài)學(xué)簡(jiǎn)介

圖像形態(tài)學(xué)以數(shù)學(xué)形態(tài)學(xué)為基礎(chǔ)，通過(guò)對(duì)圖像中的像素進(jìn)行特定的集合運(yùn)算，改變圖像中物體的形狀和結(jié)構(gòu)。其核心操作是使用一個(gè)稱為結(jié)構(gòu)元素（也叫核）的小矩陣，在圖像上滑動(dòng)，對(duì)每個(gè)像素及其鄰域進(jìn)行操作，從而實(shí)現(xiàn)對(duì)圖像的處理。在 OpenCV 中，提供了豐富的函數(shù)和工具，幫助我們進(jìn)行各種圖像形態(tài)學(xué)處理。

二、腐蝕（Erosion）

1. 原理

腐蝕是一種基本的圖像形態(tài)學(xué)操作，其作用是 “收縮” 或 “細(xì)化” 圖像中的物體。具體來(lái)說(shuō)，腐蝕操作以結(jié)構(gòu)元素為模板，對(duì)圖像中的每個(gè)像素進(jìn)行檢查。如果結(jié)構(gòu)元素覆蓋的所有像素都為 1（對(duì)于二值圖像而言），則中心像素保持不變，否則中心像素被設(shè)置為 0。通俗地講，腐蝕操作會(huì)將物體的邊界向內(nèi)部收縮，從而去除圖像中的一些小的噪聲點(diǎn)和毛刺。例如，對(duì)于一個(gè)白色物體在黑色背景上的二值圖像，腐蝕操作會(huì)使白色物體的面積變小。

2. OpenCV 實(shí)現(xiàn)

在 OpenCV 中，使用cv2.erode()函數(shù)實(shí)現(xiàn)腐蝕操作。該函數(shù)的第一個(gè)參數(shù)為輸入圖像，第二個(gè)參數(shù)為結(jié)構(gòu)元素，第三個(gè)參數(shù)為迭代次數(shù)（可選，默認(rèn)為 1）。下面通過(guò)一個(gè)簡(jiǎn)單的示例來(lái)展示如何使用cv2.erode()進(jìn)行腐蝕操作：

import cv2
import numpy as np
import matplotlib.pyplot as plt
# 讀取圖像并轉(zhuǎn)換為灰度圖
img = cv2.imread('test.jpg', 0)
# 創(chuàng)建結(jié)構(gòu)元素，這里使用5x5的矩形結(jié)構(gòu)元素
kernel = np.ones((5, 5), np.uint8)
# 進(jìn)行腐蝕操作
eroded = cv2.erode(img, kernel, iterations = 1)
# 顯示結(jié)果
plt.subplot(121), plt.imshow(img, cmap = 'gray'), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(eroded, cmap = 'gray'), plt.title('Eroded')
plt.xticks([]), plt.yticks([])
plt.show()

三、膨脹（Dilation）

1. 原理

膨脹是與腐蝕相反的操作，其作用是 “擴(kuò)展” 或 “加粗” 圖像中的物體。膨脹操作同樣以結(jié)構(gòu)元素為模板，對(duì)圖像中的每個(gè)像素進(jìn)行檢查。只要結(jié)構(gòu)元素覆蓋的像素中有一個(gè)為 1（對(duì)于二值圖像而言），則中心像素被設(shè)置為 1。膨脹操作可以填補(bǔ)圖像中的小空洞，連接斷裂的物體，擴(kuò)大物體的面積。例如，在檢測(cè)物體輪廓時(shí)，膨脹操作可以幫助我們更完整地獲取物體的輪廓。

2. OpenCV 實(shí)現(xiàn)

在 OpenCV 中，使用cv2.dilate()函數(shù)實(shí)現(xiàn)膨脹操作。該函數(shù)的參數(shù)與cv2.erode()類似，第一個(gè)參數(shù)為輸入圖像，第二個(gè)參數(shù)為結(jié)構(gòu)元素，第三個(gè)參數(shù)為迭代次數(shù)（可選，默認(rèn)為 1）。下面是使用cv2.dilate()進(jìn)行膨脹操作的示例代碼：

import cv2
import numpy as np
import matplotlib.pyplot as plt
# 讀取圖像并轉(zhuǎn)換為灰度圖
img = cv2.imread('test.jpg', 0)
# 創(chuàng)建結(jié)構(gòu)元素，這里使用5x5的矩形結(jié)構(gòu)元素
kernel = np.ones((5, 5), np.uint8)
# 進(jìn)行膨脹操作
dilated = cv2.dilate(img, kernel, iterations = 1)
# 顯示結(jié)果
plt.subplot(121), plt.imshow(img, cmap = 'gray'), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(dilated, cmap = 'gray'), plt.title('Dilated')
plt.xticks([]), plt.yticks([])
plt.show()

四、開(kāi)運(yùn)算（Opening）

1. 原理

開(kāi)運(yùn)算由腐蝕和膨脹兩個(gè)操作組成，先對(duì)圖像進(jìn)行腐蝕操作，再進(jìn)行膨脹操作。開(kāi)運(yùn)算可以去除圖像中的小噪聲點(diǎn)，平滑物體的輪廓，斷開(kāi)狹窄的連接，而不會(huì)明顯改變物體的面積。對(duì)于含有噪聲的二值圖像，開(kāi)運(yùn)算能夠有效地去除噪聲，保留主要的物體結(jié)構(gòu)。

2. OpenCV 實(shí)現(xiàn)

在 OpenCV 中，使用cv2.morphologyEx()函數(shù)并指定操作類型為cv2.MORPH_OPEN來(lái)實(shí)現(xiàn)開(kāi)運(yùn)算。該函數(shù)的第一個(gè)參數(shù)為輸入圖像，第二個(gè)參數(shù)為操作類型，第三個(gè)參數(shù)為結(jié)構(gòu)元素。以下是實(shí)現(xiàn)開(kāi)運(yùn)算的示例代碼：

import cv2
import numpy as np
import matplotlib.pyplot as plt
# 讀取圖像并轉(zhuǎn)換為灰度圖
img = cv2.imread('test.jpg', 0)
# 創(chuàng)建結(jié)構(gòu)元素，這里使用5x5的矩形結(jié)構(gòu)元素
kernel = np.ones((5, 5), np.uint8)
# 進(jìn)行開(kāi)運(yùn)算
opened = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
# 顯示結(jié)果
plt.subplot(121), plt.imshow(img, cmap = 'gray'), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(opened, cmap = 'gray'), plt.title('Opened')
plt.xticks([]), plt.yticks([])
plt.show()

五、閉運(yùn)算（Closing）

1. 原理

閉運(yùn)算同樣由腐蝕和膨脹兩個(gè)操作組成，但順序與開(kāi)運(yùn)算相反，先進(jìn)行膨脹操作，再進(jìn)行腐蝕操作。閉運(yùn)算可以填補(bǔ)物體內(nèi)部的小空洞，連接鄰近的物體，平滑物體的輪廓，同時(shí)保持物體的整體形狀和面積。在處理含有孔洞的物體圖像時(shí)，閉運(yùn)算能夠有效地填補(bǔ)孔洞，使物體的形狀更加完整。

2. OpenCV 實(shí)現(xiàn)

在 OpenCV 中，使用cv2.morphologyEx()函數(shù)并指定操作類型為cv2.MORPH_CLOSING來(lái)實(shí)現(xiàn)閉運(yùn)算。示例代碼如下：

import cv2
import numpy as np
import matplotlib.pyplot as plt
# 讀取圖像并轉(zhuǎn)換為灰度圖
img = cv2.imread('test.jpg', 0)
# 創(chuàng)建結(jié)構(gòu)元素，這里使用5x5的矩形結(jié)構(gòu)元素
kernel = np.ones((5, 5), np.uint8)
# 進(jìn)行閉運(yùn)算
closed = cv2.morphologyEx(img, cv2.MORPH_CLOSING, kernel)
# 顯示結(jié)果
plt.subplot(121), plt.imshow(img, cmap = 'gray'), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(closed, cmap = 'gray'), plt.title('Closed')
plt.xticks([]), plt.yticks([])
plt.show()

六、梯度運(yùn)算（Morphological Gradient）

1. 原理

形態(tài)學(xué)梯度運(yùn)算通過(guò)膨脹和腐蝕操作的差值來(lái)獲取圖像中物體的輪廓。具體來(lái)說(shuō)，梯度運(yùn)算的結(jié)果等于膨脹后的圖像減去腐蝕后的圖像。這樣可以突出圖像中物體的邊緣，使物體的輪廓更加明顯。形態(tài)學(xué)梯度運(yùn)算常用于邊緣檢測(cè)和物體形狀的提取。

2. OpenCV 實(shí)現(xiàn)

在 OpenCV 中，使用cv2.morphologyEx()函數(shù)并指定操作類型為cv2.MORPH_GRADIENT來(lái)實(shí)現(xiàn)梯度運(yùn)算。示例代碼如下：

import cv2
import numpy as np
import matplotlib.pyplot as plt
# 讀取圖像并轉(zhuǎn)換為灰度圖
img = cv2.imread('test.jpg', 0)
# 創(chuàng)建結(jié)構(gòu)元素，這里使用5x5的矩形結(jié)構(gòu)元素
kernel = np.ones((5, 5), np.uint8)
# 進(jìn)行梯度運(yùn)算
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
# 顯示結(jié)果
plt.subplot(121), plt.imshow(img, cmap = 'gray'), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(gradient, cmap = 'gray'), plt.title('Gradient')
plt.xticks([]), plt.yticks([])
plt.show()

七、頂帽運(yùn)算（Top - Hat）

1. 原理

頂帽運(yùn)算，也叫禮帽運(yùn)算，其結(jié)果為原始圖像與圖像開(kāi)運(yùn)算的差值。即頂帽圖像 = 原始圖像 - 開(kāi)運(yùn)算圖像。開(kāi)運(yùn)算會(huì)平滑物體輪廓、去除小噪聲，但也會(huì)使圖像中較亮的部分有所損失。頂帽運(yùn)算能夠分離出比鄰近點(diǎn)亮一些的斑塊，突出圖像中的微小細(xì)節(jié)，在提取圖像中的明亮區(qū)域或噪聲方面非常有用。例如，在文本檢測(cè)中，頂帽運(yùn)算可以幫助突出文本的細(xì)節(jié)。

2. OpenCV 實(shí)現(xiàn)

在 OpenCV 中，通過(guò)cv2.morphologyEx()函數(shù)并指定操作類型為cv2.MORPH_TOPHAT來(lái)實(shí)現(xiàn)頂帽運(yùn)算。下面是實(shí)現(xiàn)頂帽運(yùn)算的代碼示例：

import cv2
import numpy as np
import matplotlib.pyplot as plt
# 讀取圖像并轉(zhuǎn)換為灰度圖
img = cv2.imread('test.jpg', 0)
# 創(chuàng)建結(jié)構(gòu)元素，這里使用5x5的矩形結(jié)構(gòu)元素
kernel = np.ones((5, 5), np.uint8)
# 進(jìn)行頂帽運(yùn)算
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
# 顯示結(jié)果
plt.subplot(121), plt.imshow(img, cmap = 'gray'), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(tophat, cmap = 'gray'), plt.title('Top - Hat')
plt.xticks([]), plt.yticks([])
plt.show()

八、黑帽運(yùn)算（Black - Hat）

1. 原理

黑帽運(yùn)算與頂帽運(yùn)算相對(duì)，其結(jié)果為圖像閉運(yùn)算與原始圖像的差值。即黑帽圖像 = 閉運(yùn)算圖像 - 原始圖像。閉運(yùn)算能夠填補(bǔ)物體內(nèi)部的小空洞、連接鄰近物體。黑帽運(yùn)算有助于分離出比鄰近點(diǎn)暗一些的斑塊，突出圖像中相對(duì)較暗的區(qū)域，在檢測(cè)圖像中的暗細(xì)節(jié)或背景特征時(shí)十分有效。比如在檢測(cè)深色物體時(shí)，黑帽運(yùn)算能幫助增強(qiáng)物體的特征。

2. OpenCV 實(shí)現(xiàn)

在 OpenCV 中，通過(guò)cv2.morphologyEx()函數(shù)并指定操作類型為cv2.MORPH_BLACKHAT來(lái)實(shí)現(xiàn)黑帽運(yùn)算。代碼示例如下：

import cv2
import numpy as np
import matplotlib.pyplot as plt
# 讀取圖像并轉(zhuǎn)換為灰度圖
img = cv2.imread('test.jpg', 0)
# 創(chuàng)建結(jié)構(gòu)元素，這里使用5x5的矩形結(jié)構(gòu)元素
kernel = np.ones((5, 5), np.uint8)
# 進(jìn)行黑帽運(yùn)算
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
# 顯示結(jié)果
plt.subplot(121), plt.imshow(img, cmap = 'gray'), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(blackhat, cmap = 'gray'), plt.title('Black - Hat')
plt.xticks([]), plt.yticks([])
plt.show()

九、總結(jié)

本文詳細(xì)介紹了 OpenCV 中的圖像形態(tài)學(xué)處理技術(shù)，包括腐蝕、膨脹、開(kāi)運(yùn)算、閉運(yùn)算、梯度運(yùn)算、頂帽運(yùn)算和黑帽運(yùn)算。每種操作都有其獨(dú)特的原理和適用場(chǎng)景。腐蝕和膨脹是基礎(chǔ)操作，開(kāi)運(yùn)算、閉運(yùn)算、頂帽運(yùn)算和黑帽運(yùn)算基于它們組合而成，用于不同的圖像特征提取與處理。梯度運(yùn)算則專注于突出物體邊緣。在實(shí)際應(yīng)用中，我們可以根據(jù)圖像的特點(diǎn)和處理需求，靈活組合這些形態(tài)學(xué)操作，達(dá)到最佳的處理效果。

到此這篇關(guān)于OpenCV圖像形態(tài)學(xué)的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)OpenCV圖像形態(tài)學(xué)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論