Python----计算机视觉处理（Opencv：形态学变换）

news2025/3/20 3:08:46

一、形态学变化

形态学变换（Morphological Transformations）是一种基于形状的图像处理技术，主要处理的对象为二值化图像。

形态学变换有两个输入和一个输出：输入为原始图像和核（即结构化元素），输出为经过形态学变换后的图像。

其基本操作包括腐蚀（Erosion）和膨胀（Dilation），这两种操作互为反向过程，分别对图像中的亮度值产生不同的影响。

二、核

核，或称结构化元素，是用于形态学变换的一个小的二值图像，通常呈现为简单的几何形状，例如矩形、椭圆形或十字形等。结构化元素的大小和形状直接影响腐蚀和膨胀操作的效果。

2.1、矩形

2.2、椭圆形

2.3、十字形

三、腐蚀

腐蚀操作就是使用核在原图（二值化图）上进行从左到右、从上到下的滑动（也就是从图像的左上角开始，滑动到图像的右下角）。在滑动过程中，令核值为1的区域与被核覆盖的对应区域进行相乘，得到其最小值，该最小值就是卷积核覆盖区域的中心像素点的新像素值，接着继续滑动。由于操作图像为二值图，所以不是黑就是白，这就意味着，在被核值为1覆盖的区域内，只要有黑色（像素值为0），那么该区域的中心像素点必定为黑色（0）。这样做的结果就是会将二值化图像中的白色部分尽可能的压缩，如下图所示，该图经过腐蚀之后，“变瘦”了。

导入模块

import cv2

读取图片

img=cv2.imread('img.png')

灰度化

img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

二值化

ret,img_threshold=cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY)

创建核

kernel=cv2.getStructuringElement(cv2.MORPH_CROSS,(15,15))

腐蚀

img_erode=cv2.erode(img_threshold,kernel)

显示图片

cv2.imshow('img_gray',img_gray)
cv2.imshow('img_erode',img_erode)
cv2.waitKey(0)

完整代码

import cv2  # 导入OpenCV库  

# 读取图像  
img = cv2.imread('img.png')  

# 将图像转换为灰度图  
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  

# 对灰度图像应用阈值处理，以获得二值图像  
# ret: 用于输出阈值值，img_threshold: 阈值处理后的图像  
ret, img_threshold = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)  

# 创建一个15x15的十字形结构元素（腐蚀操作所用的卷积核）  
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (15, 15))  

# 对阈值处理后的图像进行腐蚀操作  
img_erode = cv2.erode(img_threshold, kernel)  

# 显示腐蚀处理后的图像  
cv2.imshow('img_erode', img_erode)  

# 等待用户按键后关闭窗口  
cv2.waitKey(0)

四、膨胀

膨胀与腐蚀刚好相反，膨胀操作就是使用核在原图（二值化图）上进行从左到右、从上到下的滑动（也就是从图像的左上角开始，滑动到图像的右下角），在滑动过程中，令核值为1的区域与被核覆盖的对应区域进行相乘，得到其最大值，该最大值就是核覆盖区域的中心像素点的新像素值，接着继续滑动。由于操作图像为二值图，所以不是黑就是白，这就意味着，在卷积核覆盖的区域内，只要有白色（像素值为255），那么该区域的中心像素点必定为白色（255）。这样做的结果就是会将二值化图像中的白色部分尽可能的扩张，如下图所示，该图经过腐蚀之后，“变胖”了。

导入模块

import cv2

读取图片

img=cv2.imread('img.png')

灰度化

img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

二值化

ret,img_threshold=cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY)

创建核

kernel=cv2.getStructuringElement(cv2.MORPH_CROSS,(15,15))

膨胀

img_dilate=cv2.dilate(img_threshold,kernel)

显示图片

cv2.imshow('img_dilate',img_dilate)
cv2.waitKey(0)

完整代码

import cv2  # 导入OpenCV库  

# 读取图像  
img = cv2.imread('img.png')  

# 将图像转换为灰度图  
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  

# 对灰度图像应用阈值处理，以获得二值图像  
# ret: 用于输出阈值值，img_threshold: 阈值处理后的图像  
ret, img_threshold = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)  

# 创建一个15x15的十字形结构元素（膨胀操作所用的卷积核）  
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (15, 15))  

# 对阈值处理后的图像进行膨胀操作  
# 膨胀会增强图像中亮区域的大小  
img_dilate = cv2.dilate(img_threshold, kernel)  

# 显示膨胀处理后的图像  
cv2.imshow('img_dilate', img_dilate)  

# 等待用户按键后关闭窗口  
cv2.waitKey(0)

五、库函数

5.1、getStructuringElement()

cv.getStructuringElement(	shape, ksize[, anchor]	) ->	retval

方法	描述
shape	可以是 MorphShapes 之一
ksize	结构元素的大小。
anchor	元素内的锚点位置。默认值(−1,−1)表示锚点位于中心。请注意，只有十字形元素的形状取决于锚点位置。在其他情况下，锚点只是调节形态作的结果偏移了多少

MorphShapes
MORPH_RECT Python：cv.MORPH_RECT	矩形结构元素：
MORPH_CROSS Python：cv.MORPH_CROSS	十字形结构元件：
MORPH_ELLIPSE Python：cv.MORPH_ELLIPSE	椭圆结构元素，即内接到矩形 Rect（0， 0， esize.width， esize.height）中的填充椭圆

5.2、erode()

cv.erode(	src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]	) ->	dst

方法	描述
src	输入图像;通道数可以是任意的，但深度应该是 CV_8U、 CV_16U、 CV_16S、 CV_32F 或 CV_64F 之一。
dst	输出图像的大小和类型与 src 相同。
kernel	用于侵蚀的结构元件;如果，则使用矩形结构元素。可以使用 getStructuringElement 创建 Kernel。`element=Mat()3 x 3`
anchor	锚点在元素中的位置;默认值（-1， -1）表示锚点位于元素中心。
iterations	应用腐蚀的次数。
borderType	像素外插方法，请参阅 BorderTypes。不支持BORDER_WRAP。
borderValue	border 值（如果边界为常量）

BorderTypes
BORDER_CONSTANT Python：cv.BORDER_CONSTANT	`iiiiii\|abcdefgh\|iiiiiii`并指定一些`i`
BORDER_REPLICATE Python：cv.BORDER_REPLICATE	`aaaaaa\|abcdefgh\|hhhhhhh`
BORDER_REFLECT Python：cv.BORDER_REFLECT	`fedcba\|abcdefgh\|hgfedcb`
BORDER_REFLECT_101 Python：cv.BORDER_REFLECT_101	`gfedcb\|abcdefgh\|gfedcba`
BORDER_TRANSPARENT Python：cv.BORDER_TRANSPARENT	`uvwxyz\|abcdefgh\|ijklmno`- 将离群值视为透明值。
BORDER_REFLECT101 Python：cv.BORDER_REFLECT101	与 BORDER_REFLECT_101 相同
BORDER_DEFAULT Python：cv.BORDER_DEFAULT	与 BORDER_REFLECT_101 相同
BORDER_ISOLATED Python：cv.BORDER_ISOLATED	插值限制在 ROI 边界内。

5.3、 dilate()

cv.dilate(	src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]	) ->	dst

方法	描述
src	输入图像;通道数可以是任意的，但深度应该是 CV_8U、 CV_16U、 CV_16S、 CV_32F 或 CV_64F 之一。
dst	输出图像的大小和类型与 src 相同。
kernel	用于扩张的结构元件;如果 element=Mat（），则使用 3 x 3 矩形结构元素。可以使用 getStructuringElement 创建 Kernel
anchor	锚点在元素中的位置;默认值（-1， -1）表示锚点位于元素中心。
iterations	应用扩张的次数。
borderType	像素外插方法，请参阅 BorderTypes。不支持BORDER_WRAP。
borderValue	border 值（如果边界为常量）

BorderTypes
BORDER_CONSTANT Python：cv.BORDER_CONSTANT	`iiiiii\|abcdefgh\|iiiiiii`并指定一些`i`
BORDER_REPLICATE Python：cv.BORDER_REPLICATE	`aaaaaa\|abcdefgh\|hhhhhhh`
BORDER_REFLECT Python：cv.BORDER_REFLECT	`fedcba\|abcdefgh\|hgfedcb`
BORDER_REFLECT_101 Python：cv.BORDER_REFLECT_101	`gfedcb\|abcdefgh\|gfedcba`
BORDER_TRANSPARENT Python：cv.BORDER_TRANSPARENT	`uvwxyz\|abcdefgh\|ijklmno`- 将离群值视为透明值。
BORDER_REFLECT101 Python：cv.BORDER_REFLECT101	与 BORDER_REFLECT_101 相同
BORDER_DEFAULT Python：cv.BORDER_DEFAULT	与 BORDER_REFLECT_101 相同
BORDER_ISOLATED Python：cv.BORDER_ISOLATED	插值限制在 ROI 边界内。