环境vscode下的python3.7

opencv形态学处理学习笔记

1、显示原图（读成灰度图）

img = cv2.imread("c:\\Users\\Administrator\\Desktop\\123\\rose.jpg",cv2.IMREAD_GRAYSCALE)
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

2、腐蚀操作

　　原理：白色像素值为255，黑色像素值为0，与0相乘为零导致越来越多像素变为0，逐渐被黑色腐蚀。

#腐蚀操作（矩阵卷积）
#矩阵大小平均和 （3，3）核大小，全为一的矩阵
kernel =np.ones((3,3),np.uint8)
#interation表示次数
erosion = cv2.erode(img,kernel,iterations = 1)
cv2.imshow('erosion',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

 　　将iteration改成3，核大小为（3，3）

 

　　将核大小改成(6,6)，iteration为1

 

3、膨胀操作，与腐蚀操作可理解为逆操作

#膨胀操作
#可以理解为腐蚀的逆操作
dilate = cv2.dilate(img,kernel,iterations = 1)
cv2.imshow('dilate',dilate)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

通过上面的一对操作组合运算得到的操作

4、开运算

#开运算 先腐蚀，再膨胀
opening = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)

cv2.imshow('opening',opening)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

　　开运算用途：用于除毛刺、孤立的小点，类似一个滤波器。消除白色小物体。

 

5、闭运算

#闭运算 先膨胀，再腐蚀
closeing = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)

cv2.imshow('closeing',closeing)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 　　闭运算用途：消除黑色小区域（小型黑洞），黑色毛刺等等。

 6、梯度运算

#梯度运算
#梯度=膨胀-腐蚀
gradient = cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)
cv2.imshow('gradient',gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()

 　　梯度主要是为了得到边缘信息。

 

 7、顶帽

#顶帽 = 原始输入-开运算结果
tophat = cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)
cv2.imshow('tophat',tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()

　　用原始图像减去开运算（消除白色小区域），得到白色小区域及边缘，突出白色区域（较亮的区域）。

 

8、黑帽

#黑帽 = 闭运算-原始输入
blackhat = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)

cv2.imshow('blackhat',blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()

　　　　

　　用原始图减去闭运算结果（白色小区域），突出黑色小区域（暗色部分）。