OpenCV入门笔记（六） 形态学变换

形态学变换（Morphological Transformations），其实是数学上的一个分支，是基于形状的一些列图像处理操作。OpenCV提供了很多方便而有用的操作函数。

---

一、腐蚀和膨胀（erosion & dilation）

腐蚀（erosion）和膨胀（dilation）是形态学中两个最基本的操作。他们结合后又会衍生出其他很多种复杂的过程。其基本思想很简单，就是用一个核函数，扫过原图像，用覆盖的区域中最值代替锚点（锚点即核函数当前的中心点，即扫描的中心点）。下面是苏东坡《水调歌头·明月几时有》的楷体图片，我们来看看腐蚀和膨胀对该图片的影响。

值得注意的是，这里是白底黑字，形态学操作都是针对 高亮部分，即白色的背景而言的。这里腐蚀可以看做是对白色的背景，一点点蚕食，所以字会变粗变大；相反的，膨胀，就是背景长胖了，把字给挤的细瘦细瘦的。

原图（origin） 如下

---

腐蚀（erosion）

锚点取的值是核函数覆盖区域中的最小值，值越小越暗，如下图

---

膨胀（dilation）

锚点取的值是核函数覆盖区域中的最大值，值越大越量，如下图

---

下面的代码，展示了原图，腐蚀和膨胀后的三张图。

#coding:utf8

import cv2
import numpy as np

# 常用于处理二值化后的图片
img = cv2.imread("poem_binary.png")

# 核函数，这里可以自定义的
kernel = np.ones((3, 3), np.uint8)

# 腐蚀和膨胀操作
erosion = cv2.erode(img, kernel, iterations = 1)
dilation = cv2.dilate(img, kernel, iterations = 1)

# 显示三张图片
cv2.namedWindow("origin img", cv2.WINDOW_NORMAL)
cv2.namedWindow("erosion", cv2.WINDOW_NORMAL)
cv2.namedWindow("dilation", cv2.WINDOW_NORMAL)
cv2.imshow("origin img", img)
cv2.imshow("erosion", erosion)
cv2.imshow("dilation", dilation)

# 等待键盘输入
cv2.waitKey(0)
cv2.destroyAllWindows()

---

二、形态学函数（MorphologyEx）

所谓的 高级形态学变换 ，其实还是在上面的腐蚀和膨胀上发展来的，一共五种，都是直接用morphologyEx函数调用。列举如下

1. 开运算（Opening Operation） = 先腐蚀，后膨胀

$$dst = open(src, element) = dilate(erode(src, element))$$

2. 闭运算（Closing Operation） = 先膨胀，后腐蚀

$$dst = close(src, element) = erode(dilate(src, element))$$

3. 形态学梯度（MorphologicalGradient） = 膨胀图 - 腐蚀图胀

$$dst = morph\_grad(src, element) = dilate(src, element) - erode(src, element)$$

4. 顶帽（Top Hat） = 原图 - 开运算图

$$dst = tophat(src, element) = src - open(src, element)$$

5. 黑帽（Black Hat） = 闭运算图 - 原图

$$dst = blackhat(src, element) = close(src, element) - src$$

下面是一些参考资料

• 【这篇博文】不是一般的详细，原理，展示都有。
• C++版教程见这里【更多形态学变换】
• Python版教程的见这里【Morphological Transformations】

我用了一张楷体的“阖”字做了各个特效，结果如下图

---

代码也放在这里。

#coding:utf8
import cv2
import numpy as np

# 读取图片
img = cv2.imread("./pic/he.png")

# 核函数，这里可以自定义的，两种方法都可以
#kernel = np.ones((3, 3), np.uint8)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))

# 更多的形态学运算
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

# 显示图片
cv2.namedWindow("origin img", cv2.WINDOW_NORMAL)
cv2.namedWindow("opening", cv2.WINDOW_NORMAL)
cv2.namedWindow("closing", cv2.WINDOW_NORMAL)
cv2.namedWindow("gradient", cv2.WINDOW_NORMAL)
cv2.namedWindow("tophat", cv2.WINDOW_NORMAL)
cv2.namedWindow("blackhat", cv2.WINDOW_NORMAL)

cv2.imshow("origin img", img)
cv2.imshow("opening", opening)
cv2.imshow("closing", closing)
cv2.imshow("gradient", gradient)
cv2.imshow("tophat", tophat)
cv2.imshow("blackhat", blackhat)

# 等待键盘输入
cv2.waitKey(0)
cv2.destroyAllWindows()