OpenCV 形态学操作详解
OpenCV 形态学操作详解
一、连通性
在图像中，最小的单位是像素，每个像素周围有8个邻接像素，常见的邻接关系有3种：4邻接、D邻接和8邻接。分别如下图所示：
（1）邻域
- 4邻接：像素p(x,y)的4邻域是：(x+1,y)；(x-1,y)；(x,y+1)；(x,y-1)，用N4(p)表示像素p的4邻接
- D邻接：像素p(x,y)的D邻域是：对角上的点(x+1,y+1)；(x+1,y-1)；(x-1,y+1)；(x-1,y-1)，用ND(p)表示像素p的D邻域
- 8邻接：像素p(x,y)的8邻域是：4邻域的点＋D邻域的点，用Ns(p)表示像素p的8邻域
（2）连通性
连通性是描述区域和边界的重要概念，两个像素连通的两个必要条件是：
- 两个像素的位置是否相邻
- 两个像素的灰度值是否满足特定的相似性准则（或者是否相等）
（3）连通性的定义
根据连通性的定义，有4联通、8联通和m联通三种。
- 4联通：对于具有值V的像素p和q，如果q在集合N4(p)中，则称这两个像素是4连通。
- 8联通：对于具有值V的像素p和q，如果q在集合Ns(p)中，则称这两个像素是8连通。
对于具有值V的像素p和q，如果：
- q在集合N4(p)中，或
- q在集合ND(p)中，并且N4(p)与N4(q)的交集为空（没有值V的像素）
则称这两个像素是m连通的，即4连通和D连通的混合连通。
二、形态学操作
形态学转换是基于图像形状的一些简单操作。它通常在二进制图像上执行。腐蚀和膨胀是两个基本的形态学运算符。然后它的变体形式如开运算，闭运算，礼帽黑帽等。
1、腐蚀和膨胀
腐蚀和膨胀是最基本的形态学操作，腐蚀和膨胀都是针对白色部分（高亮部分）而言的。
- 膨胀就是使图像中高亮部分扩张，效果图拥有比原图更大的高亮区域；
- 腐蚀是原图中的高亮区域被蚕食，效果图拥有比原图更小的高亮区域。膨胀是求局部最大值的操作，腐蚀是求局部最小值的操作。
（1）腐蚀
具体操作是：用一个结构元素扫描图像中的每一个像素，用结构元素中的每一个像素与其覆盖的像素做“与”操作，如果都为1，则该像素为1，否则为0。如下图所示，结构A被结构B腐蚀后：
腐蚀的作用是消除物体边界点，使目标缩小，可以消除小于结构元素的噪声点。
- API
- 参数：
- img：要处理的图像
- kernel：核结构
- iterations：腐蚀的次数，默认是1
（2）膨胀
具体操作是：用一个结构元素扫描图像中的每一个像素，用结构元素中的每一个像素与其覆盖的像素做“与”操作，如果都为0，则该像素为0，否则为1。如下图所示，结构A被结构B腐蚀后：
作用是将与物体接触的所有背景点合并到物体中，使目标增大，可添补目标中的孔洞。
- API
- 参数：
- img：要处理的图像
- kernel：核结构
- iterations：腐蚀的次数，默认是1
（3）参考代码
我们使用一个5*5的卷积核实现腐蚀和膨胀的运算：
2、开闭运算
开运算和闭运算是将腐蚀和膨胀按照一定的次序进行处理。但这两者并不是可逆的，即先开后闭并不能得到原来的图像。
（1）开运算
开运算是先腐蚀后膨胀，其作用是：分离物体，消除小区域。特点：消除噪点，去除小的干扰块，而不影响原来的图像。
（2）闭运算
闭运算与开运算相反，是先膨胀后腐蚀，作用是消除/"闭合”物体里面的孔洞，特点：可以填充闭合区域。
（3）API
（4）参数
- img：要处理的图像
- op：处理方式。若进行开运算，则设为cv2.MORPH_OPEN，若进行闭运算，则设为cv2.MORPH_CLOSE
- Kernel：核结构
（5）参考代码
使用10*10的核结构对卷积进行开闭运算的实现。
3、黑帽运算和礼帽运算
（1）黑帽运算
为”闭运算“的结果图与原图像之差
黑帽运算后的效果图突出了比原图轮廓周围的区域更暗的区域，且这一操作和选择的核的大小相关。
黑帽运算用来分离比邻近点暗一些的斑块。
（2）礼帽运算
原图像与“开运算“的结果图之差
因为开运算带来的结果是放大了裂缝或者局部低亮度的区域，因此，从原图中减去开运算后的图，得到的效果图突出了比原图轮廓周围的区域更明亮的区域，且这一操作和选择的核的大小相关。
礼帽运算用来分离比邻近点亮一些的斑块。当一幅图像具有大幅的背景的时候，而微小物品比较有规律的情况下，可以使用礼帽运算进行背景提取。
（3）API
（4）参数
- img：要处理的图像
- op：处理方式：
- cv2.MORPH_CLOSE：闭运算
- cv2.MORPH_OPEN：开运算
- cv2.MORPH_TOPHAT：礼帽运算
- cv2.MORPH_BLACKHAT：黑帽运算
- Kernel：核结构
（5）参考代码
本文原文来自B站