opencv笔记006：形态学转换.py

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('oo.jpg')
img=cv2.bitwise_not(img)        #貌似只能处理背景黑色内容白色的二值化图像


'''
形态学转换
目标
　　• 学习不同的形态学操作，例如腐蚀，膨胀，开运算，闭运算等
　　• 我们要学习的函数有：cv2.erode()，cv2.dilate()，cv2.morphologyEx()等
原理
　　 形态学操作是根据图像形状进行的简单操作。一般情况下对二值化图像进行的操作。需要输入两个参数，
    一个是原始图像，第二个被称为结构化元素或核，它是用来决定操作的性质的。两个基本的形态学操作是腐蚀和膨胀。
    他们的变体构成了开运算，闭运算，梯度等。我们会以下图为例逐一介绍它们。
======================================================================================
'''





p=5
kernel = np.ones((p,p),np.uint8)        #5*5的正方形核

#可以使用多种核心
#kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))     #矩形
#kernel=cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))  #椭圆
#kernel=cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))    #十字架形



'''
腐蚀
　　 就像土壤侵蚀一样，这个操作会把前景物体的边界腐蚀掉（但是前景仍然是白色）。这是怎么做到的呢？
    卷积核沿着图像滑动，如果与卷积核对应的原图像的所有像素值都是 1，那么中心元素就保持原来的像素值，否则就变为零。
　　 这会产生什么影响呢？根据卷积核的大小靠近前景的所有像素都会被腐蚀掉（变为 0），所以前景物体会变小，
    整幅图像的白色区域会减少。这对于去除白噪声很有用，也可以用来断开两个连在一块的物体等。
    这里我们有一个例子，使用一个 5x5 的卷积核，其中所有的值都是以。让我们看看他是如何工作的：
'''
dst1 = cv2.erode(img,kernel,iterations = 1)



'''
膨胀
　　与腐蚀相反，与卷积核对应的原图像的像素值中只要有一个是 1，中心元素的像素值就是 1。
    所以这个操作会增加图像中的白色区域（前景）。一般在去噪声时先用腐蚀再用膨胀。
    因为腐蚀在去掉白噪声的同时，也会使前景对象变小。所以我们再对他进行膨胀。
    这时噪声已经被去除了，不会再回来了，但是前景还在并会增加。膨胀也可以用来连接两个分开的物体。
'''
dst2 = cv2.dilate(img,kernel,iterations = 1)




'''
开运算
　　先进性腐蚀再进行膨胀就叫做开运算。就像我们上面介绍的那样，它被用来去除噪声。
    这里我们用到的函数是 cv2.morphologyEx()。
'''
dst3 = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)




'''
闭运算
　　先膨胀再腐蚀。它经常被用来填充前景物体中的小洞，或者前景物体上的小黑点。
'''
dst4 = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)




'''
形态学梯度
　　其实就是一幅图像膨胀与腐蚀的差别。结果看上去就像前景物体的轮廓。
'''
dst5 = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)




'''
礼帽
　　原始图像与进行开运算之后得到的图像的差。下面的例子是用一个 9x9 的核进行礼帽操作的结果。
'''
dst6 = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)




'''
黑帽
　　进行闭运算之后得到的图像与原始图像的差。
'''
dst7= cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)



def s(a,b):
    b='{}'.format(b)
    cv2.namedWindow(b,0)
    cv2.resizeWindow(b,500,500)
    cv2.imshow(b,a)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
  
s(img,'img')
s(dst1 ,'dst1')
s(dst2,'dst2')
s(dst3,'dst3')
s(dst4,'dst4')
s(dst5,'dst5')
s(dst6,'dst6')
s(dst7,'dst7')