opencv: 形态学 转换(图示+源码)

综述

OpenCV中的形态学转换操作有七种：腐蚀，膨胀，开运算，闭运算，形态学梯度，礼帽，黑帽。

API参照表

实验思路：

1. 写代码，实现OpenCV 自带的 七种形态学转换操作，并将生成的图片存入 pic 文件夹；
2. 用 礼帽生成图 加上 开运算生成图，看看能否得到 原图，并将生成的图片存入 pic 文件夹；
3. 用 闭运算生成图 减去 黑帽生成图，看看能否得到 原图，并将生成的图片存入 pic 文件夹；
4. 如果成功，则验证自己的思路是正确的 。

Demo:

原始图像

（../pic/girl.jpg）：

七种形态学转换操作

erode 腐蚀（../pic/erosion.jpg）：

dilate　膨胀 （../pic/dilation.jpg）：

open　开运算 （../pic/opening.jpg）：

close　闭运算 （../pic/closing.jpg）：

gradient　形态学梯度 （../pic/gradient.jpg）：

tophat　礼帽 （../pic/tophat.jpg）：

blackhat　黑帽 （../pic/blackhat.jpg）：

通过转换后的图像得到原图像

cv2.add(open, tophat)　cv2.add(开运算, 礼帽) （../pic/open_and_tophat.jpg）：

close-blackhat　闭运算-黑帽 （../pic/close_subtract_blackhat.jpg）：

附上自己写的实验代码：

# -*- coding: utf-8 -*-

import cv2
import numpy as np

girl_pic = cv2.imread('../pic/girl.jpg')

kernel = np.ones((5, 5), np.uint8)

# erode 腐蚀
erosion = cv2.erode(src=girl_pic, kernel=kernel)
cv2.imshow('erosion', erosion)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/erosion.jpg', erosion)

# dilate　膨胀
dilation = cv2.dilate(src=girl_pic, kernel=kernel)
cv2.imshow('dilation', dilation)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/dilation.jpg', dilation)

# open　开运算
opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel)
cv2.imshow('opening', opening)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/opening.jpg', opening)

# close　闭运算
closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel)
cv2.imshow('closing', closing)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/closing.jpg', closing)

# gradient　形态学梯度
gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel)
cv2.imshow('gradient', gradient)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/gradient.jpg', gradient)

# tophat　礼帽
tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('tophat', tophat)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/tophat.jpg', tophat)

# blackhat　黑帽
blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('blackhat', blackhat)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/blackhat.jpg', blackhat)

# cv2.add(open, tophat)　cv2.add(开运算, 礼帽)
open_and_tophat = cv2.add(opening, tophat)
cv2.imshow('open_and_tophat', open_and_tophat)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/open_and_tophat.jpg', open_and_tophat)

# close-blackhat　闭运算-黑帽
close_subtract_blackhat = closing - blackhat
cv2.imshow('close_subtract_blackhat', close_subtract_blackhat)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/close_subtract_blackhat.jpg', close_subtract_blackhat)

实际遇到的问题及解决方法：

一开始设计实验时，用礼帽生成的图像加上开运算生成的图像能够得到原图，用黑帽生成的图像加上闭运算生成的图像却得不到原图，反而得到一张比闭运算图像更浅色的图片（如下）：

想了一下，发现了问题所在：书上对黑帽的定义是：

进行闭运算之后得到的图像和原始图像的差

但是却没有说清楚被减数和减数分别是谁。根据闭运算和黑帽的定义，我觉得应该是：

黑帽 = 闭运算 - 原图

即可得：

原图 = 闭运算 - 黑帽

修改代码后进行验证，果然生成了原图像：