opencv 形态学操作(python)

1. Opencv图像处理基础知识

Opencv是一款开源的计算机视觉库，常被应用于数字图像处理、机器视觉和深度学习等领域。Opencv的图像处理基础主要包括图像读取、图像显示、颜色空间转换、灰度化、像素操作等。

在Python中使用Opencv最先需要安装Opencv库，可以直接使用pip进行安装。

pip install opencv-python

1.1 图像读取与显示

使用Opencv读取并显示图像可以使用imread()函数和imshow()函数实现。

import cv2
# 读取图像
img = cv2.imread('test.jpg')
# 显示图像
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，imread()函数返回的是一个numpy.ndarray类型的对象，代表了一张图像，在Opencv中图像默认是以BGR颜色空间存储的。

使用imshow()函数显示图像时，第一个参数为窗口名，第二个参数为要显示的图像。

1.2 颜色空间转换与灰度化

常见的颜色空间包括RGB、HSI、HSV等。在Opencv中使用cvtColor()函数可以实现多种颜色空间的转换。

import cv2
# 读取图像
img = cv2.imread('test.jpg')
# 转换为灰度图像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 显示灰度图像
cv2.imshow('gray_img', gray_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在灰度化处理后，图像的通道数变成了1，每个像素的值表示的是灰度值，对于一张黑白图像来说，其所有像素点的值均为0或255。

2. Opencv形态学操作

形态学操作是数字图像处理中的一种基础算法，主要用于过滤和改变图像的形态结构，广泛应用于图像分割、轮廓检测等领域。Opencv中提供了一些形态学操作的函数，包括腐蚀、膨胀、开、闭操作等。

2.1 腐蚀操作

腐蚀操作可以使图像中较小的或者是不规则的物体消失，通常可以用来消除噪点、分离物体以及断开联通区域等操作。在Opencv中使用erode()函数实现腐蚀操作。

import cv2
import numpy as np
# 读取图像
img = cv2.imread('test.jpg')
# 转换为灰度图像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 设置结构元素，生成一个3x3的矩形结构元素
kernel = np.ones((3,3), np.uint8)
# 腐蚀操作
erosion_img = cv2.erode(gray_img, kernel, iterations=1)
# 显示腐蚀后的图像
cv2.imshow('erosion_img', erosion_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述例子中，通过设置结构元素的大小来控制腐蚀的程度，iterations参数指定了腐蚀的次数。

2.2 膨胀操作

膨胀操作与腐蚀操作相反，可以使图像中较小的物体得到增强，通常可以用来填充物体内的空洞、扩大物体的面积等操作。在Opencv中使用dilate()函数实现膨胀操作。

import cv2
import numpy as np
# 读取图像
img = cv2.imread('test.jpg')
# 转换为灰度图像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 设置结构元素，生成一个3x3的矩形结构元素
kernel = np.ones((3,3), np.uint8)
# 膨胀操作
dilate_img = cv2.dilate(gray_img, kernel, iterations=1)
# 显示膨胀后的图像
cv2.imshow('dilate_img', dilate_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

与腐蚀操作类似，通过设置结构元素和iterations参数，可以实现不同程度的膨胀操作。

2.3 开闭操作

开闭操作是腐蚀和膨胀操作的组合操作，通常可以用来消除毛刺、平滑物体边缘、分离物体内部空区等操作。在Opencv中使用morphologyEx()函数实现开闭操作。

开操作：先腐蚀后膨胀的组合操作，可以消除小物体、毛刺、较小的内部空洞等，使图像变清晰。

import cv2
import numpy as np
# 读取图像
img = cv2.imread('test.jpg')
# 转换为灰度图像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 设置结构元素，生成一个3x3的矩形结构元素
kernel = np.ones((3,3), np.uint8)
# 开操作
opening_img = cv2.morphologyEx(gray_img, cv2.MORPH_OPEN, kernel)
# 显示开操作后的图像
cv2.imshow('opening_img', opening_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

闭操作：先膨胀后腐蚀的组合操作，可以封闭物体内部空洞、使物体边缘更加平滑。

import cv2
import numpy as np
# 读取图像
img = cv2.imread('test.jpg')
# 转换为灰度图像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 设置结构元素，生成一个3x3的矩形结构元素
kernel = np.ones((3,3), np.uint8)
# 闭操作
closing_img = cv2.morphologyEx(gray_img, cv2.MORPH_CLOSE, kernel)
# 显示闭操作后的图像
cv2.imshow('closing_img', closing_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

3. 总结

Opencv的图像处理基础知识包括图像读取、显示、颜色空间转换和灰度化等，形态学操作则是根据图像形态结构进行处理的基础算法，主要包括腐蚀、膨胀、开、闭操作等。

import cv2
import numpy as np
# 读取图像
img = cv2.imread('test.jpg')
# 转换为灰度图像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 设置结构元素，生成一个3x3的矩形结构元素
kernel = np.ones((3,3), np.uint8)
# 腐蚀操作
erosion_img = cv2.erode(gray_img, kernel, iterations=1)
# 膨胀操作
dilate_img = cv2.dilate(gray_img, kernel, iterations=1)
# 开操作
opening_img = cv2.morphologyEx(gray_img, cv2.MORPH_OPEN, kernel)
# 闭操作
closing_img = cv2.morphologyEx(gray_img, cv2.MORPH_CLOSE, kernel)
# 显示图像和处理结果
cv2.imshow('image', img)
cv2.imshow('gray_img', gray_img)
cv2.imshow('erosion_img', erosion_img)
cv2.imshow('dilate_img', dilate_img)
cv2.imshow('opening_img', opening_img)
cv2.imshow('closing_img', closing_img)
cv2.waitKey(0)
cv2.destroyAllWindows()