Python opencv 先腐蚀后膨胀消除图像噪声

news2025/3/1 1:41:50

cv2.getStructuringElement()介绍

在进行图像形态学操作时，首先需要构造一个特定的核，该核可以自定义生成，也可以通过cv2.getStructuringElement()函数构造。

cv2.getStructuringElement(shape, ksize)

参数：
shape ---- 代表形状类型

cv2.MORPH_RECT：代表矩形结构类型，所有元素值都是1
cv2.MORPH_CROSS：代表十字形结构类型，所有元素值都是1
cv2. MORPH_ELLIPSE：代表椭圆形结构类型，所有元素都i是1

ksize ---- 代表形状元素的大小

import cv2
import numpy as np

kernel1 = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
kernel2 = cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 5))
kernel3 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))

print(kernel1)
print('\n', kernel2)
print('\n', kernel3)

# 输出为：
# [[1 1 1 1 1]
#  [1 1 1 1 1]
#  [1 1 1 1 1]
#  [1 1 1 1 1]
#  [1 1 1 1 1]]
#
#  [[0 0 1 0 0]
#  [0 0 1 0 0]
#  [1 1 1 1 1]
#  [0 0 1 0 0]
#  [0 0 1 0 0]]
# 
#  [[0 0 1 0 0]
#  [1 1 1 1 1]
#  [1 1 1 1 1]
#  [1 1 1 1 1]
#  [0 0 1 0 0]]

cv2.morphologyEx()函数介绍

该函数是一种形态学变化函数。数学形态学可以理解为一种滤波行为，因此也被称为形态学滤波。滤波中使用的滤波器（kernal），在形态学中称为结构元素。

cv2.morphologyEx(img, op, kernel)

参数：
img ---- 代表图像

op ---- 代表对于图像进行的操作

cv2.MORPH_ERODE：代表腐蚀操作
cv2.MORPH_DILATE：代表膨胀操作
cv2.MORPH_OPEN：代表开运算，先腐蚀后膨胀的过程。消除噪声，平滑边界，不明显改变其面积。
cv2.MORPH_CLOSE：代表闭运算，先膨胀后腐蚀的过程，闭运算可以用来消除小黑洞。
cv2.MORPH_GRADIENT：代表膨胀图减去腐蚀图，用于得到简洁的轮廓。
cv2.MORPH_TOPHAT：代表顶帽操作，原始图像减去开运算图像，得到外部细节。
cv2.MORPH_BLACKHAT：代表黑帽操作，闭运算图像减去原始图像，得到内部细节。

kernel ---- 代表滤波器

两个函数结合，可以对图像进行先腐蚀后膨胀，消除图像中噪声。

import cv2

# 先腐蚀，后膨胀，消除噪声
img = cv2.imread('before_img.jpg')

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
np_img = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

cv2.imwrite('after_img.jpg', opening)