OpenCV-Python教程：形態學變換~腐蝕和膨脹(erode,dilate)

原文鏈接：http://www.juzicode.com/opencv-python-erode-dilate

回傳Opencv-Python教程

形態學變換是基于影像形狀的變換程序，通常用來處理二值影像，當然也可以用在灰度圖上，OpenCV中的形態學變換同平滑處理一樣也是基于一種“滑動視窗”的操作，不過在形態學變換中“滑動視窗”有一個更專業的名詞：“結構元”，也可以像平滑處理那樣稱呼為kernel，結構元的形狀有方形、十字形、橢圓形等，其形狀決定了形態學變換的特點，形態學變換主要有腐蝕、膨脹、開操作、閉操作等等，

1、腐蝕erode()

腐蝕操作可以將邊界的白色（前景）像素“腐蝕”掉，但仍能保持大部分白色，類似平滑處理的滑動視窗，用某種結構元在影像上滑動，當結構元覆寫原始影像中的所有像素都為“1”時，新影像中該像素點的值才為“1”（CV8U為255），腐蝕可以用來去除噪聲、去掉“粘連”，

介面形式：

cv2.erode(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) ->dst

• 引數含義：
• src：通道數任意；影像深度只能是CV_8U, CV_16U, CV_16S, CV_32F or CV_64F；
• kernel：可以由getStructuringElement()構建；
• dst：輸出影像，通道數和資料型別同src；
• anchor：錨點，默認使用(-1,-1)表示中心點；
• iterations：腐蝕次數；
• borderType：邊界型別；
• borderValue：邊界值；

下面是一個kernel大小為5和7的腐蝕例子：

import matplotlib.pyplot as plt 
import cv2
print('VX公眾號: 桔子code / juzicode.com')
print('cv2.__version__:',cv2.__version__)
plt.rc('font',family='Youyuan',size='9')

img = cv2.imread('..\\samples\\picture\\mnist-7.jpg',cv2.IMREAD_GRAYSCALE) 
_,img = cv2.threshold(img,127,255,0)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5)) #ksize=5,5
img_ret1 = cv2.erode(img,kernel,iterations=1)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(7,7)) #ksize=7x7,
img_ret2 = cv2.erode(img,kernel,iterations=1)
img_ret3 = cv2.erode(img,kernel,iterations=2) #ksize=7x7，腐蝕2次

#顯示影像
fig,ax = plt.subplots(2,2)
ax[0,0].set_title('原圖-mnist(juzicode.com)')
ax[0,0].imshow(cv2.cvtColor(img,cv2.COLOR_BGR2RGB)) #matplotlib顯示影像為rgb格式
ax[0,1].set_title('erode ksize=5')
ax[0,1].imshow(cv2.cvtColor(img_ret1,cv2.COLOR_BGR2RGB))
ax[1,0].set_title('erode ksize=7')
ax[1,0].imshow(cv2.cvtColor(img_ret2,cv2.COLOR_BGR2RGB))
ax[1,1].set_title('erode ksize=7 iter=2') 
ax[1,1].imshow(cv2.cvtColor(img_ret3,cv2.COLOR_BGR2RGB))
ax[0,0].axis('off');ax[0,1].axis('off');ax[1,0].axis('off');ax[1,1].axis('off')#關閉坐標軸顯示
plt.show() 

運行結果：

原圖圖源：mnist

從運行結果可以看到kernel的ksize越大，iterations次數越多，影像看起來越“廋”，

2、膨脹dilate()

膨脹是腐蝕的逆操作，可以將邊界的白色（前景）像素“生長”擴大，滑動視窗經過白色像素時，只要結構元中有1個像素為“1”時，新影像中該像素點的值就為“1”（CV8U為255），膨脹可以用來增強連接、填充凹痕，

介面形式：

cv2.dilate(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) ->dst

• 引數含義：
• src：通道數任意；影像深度只能是CV_8U, CV_16U, CV_16S, CV_32F or CV_64F；
• kernel：可以由getStructuringElement()構建；
• dst：輸出影像，通道數和資料型別同src；
• anchor：錨點，默認使用(-1,-1)表示中心點；
• iterations：腐蝕次數；
• borderType：邊界型別；
• borderValue：邊界值；

下面是一個kernel大小為5和7的膨脹例子：

import matplotlib.pyplot as plt 
import cv2
print('VX公眾號: 桔子code / juzicode.com')
print('cv2.__version__:',cv2.__version__)
plt.rc('font',family='Youyuan',size='9')

img = cv2.imread('..\\samples\\picture\\mnist-7-b.jpg',cv2.IMREAD_GRAYSCALE) 
_,img = cv2.threshold(img,127,255,0)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
img_ret1 = cv2.dilate(img,kernel,iterations=1)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(7,7))
img_ret2 = cv2.dilate(img,kernel,iterations=1)
img_ret3 = cv2.dilate(img,kernel,iterations=2) 

#顯示影像
fig,ax = plt.subplots(2,2)
ax[0,0].set_title('原圖-mnist(juzicode.com)')
ax[0,0].imshow(cv2.cvtColor(img,cv2.COLOR_BGR2RGB)) #matplotlib顯示影像為rgb格式
ax[0,1].set_title('dilate ksize=5')
ax[0,1].imshow(cv2.cvtColor(img_ret1,cv2.COLOR_BGR2RGB))
ax[1,0].set_title('dilate ksize=7')
ax[1,0].imshow(cv2.cvtColor(img_ret2,cv2.COLOR_BGR2RGB))
ax[1,1].set_title('dilate ksize=7 iter=2') 
ax[1,1].imshow(cv2.cvtColor(img_ret3,cv2.COLOR_BGR2RGB))
ax[0,0].axis('off');ax[0,1].axis('off');ax[1,0].axis('off');ax[1,1].axis('off')#關閉坐標軸顯示
plt.show() 

運行結果：

原圖圖源：mnist

從運行結果可以看到kernel的ksize越大，iterations次數越多，影像看起來越“胖”，

3、結構元生成getStructuringElement()

結構元生成函式用來生成形態學變換的kernel引數，

介面形式：

cv2.getStructuringElement(shape, ksize[, anchor]) ->retval

• 引數含義：
• shape：結構元(kernel)的形狀；
• ksize：結構元(kernel)的大小；
• anchor：錨點，默認使用(-1,-1)表示中心點；

其中shape屬性有可選的3種形狀：

下面是一個kernel大小為7，形狀不同的膨脹例子：

import matplotlib.pyplot as plt 
import cv2
print('VX公眾號: 桔子code / juzicode.com')
print('cv2.__version__:',cv2.__version__)
plt.rc('font',family='Youyuan',size='9')

img = cv2.imread('..\\samples\\picture\\mnist-7-b.jpg',cv2.IMREAD_GRAYSCALE) 
_,img = cv2.threshold(img,127,255,0)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(7,7))
print('MORPH_RECT kernel:\n',kernel)
img_ret1 = cv2.dilate(img,kernel,iterations=1)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(7,7))
print('MORPH_ELLIPSE kernel:\n',kernel)
img_ret2 = cv2.dilate(img,kernel,iterations=1)
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS,(7,7))
print('MORPH_CROSS kernel:\n',kernel)
img_ret3 = cv2.dilate(img,kernel,iterations=1) 

#顯示影像
fig,ax = plt.subplots(2,2)
ax[0,0].set_title('原圖-mnist(juzicode.com)')
ax[0,0].imshow(cv2.cvtColor(img,cv2.COLOR_BGR2RGB)) #matplotlib顯示影像為rgb格式
ax[0,1].set_title('MORPH_RECT kernel')
ax[0,1].imshow(cv2.cvtColor(img_ret1,cv2.COLOR_BGR2RGB))
ax[1,0].set_title('MORPH_ELLIPSE kernel')
ax[1,0].imshow(cv2.cvtColor(img_ret2,cv2.COLOR_BGR2RGB))
ax[1,1].set_title('MORPH_CROSS kernel') 
ax[1,1].imshow(cv2.cvtColor(img_ret3,cv2.COLOR_BGR2RGB))
ax[0,0].axis('off');ax[0,1].axis('off');ax[1,0].axis('off');ax[1,1].axis('off')#關閉坐標軸顯示
plt.show() 

運行結果：

VX公眾號: 桔子code / juzicode.com
cv2.__version__: 4.5.3
MORPH_RECT kernel:
 [[1 1 1 1 1 1 1]
 [1 1 1 1 1 1 1]
 [1 1 1 1 1 1 1]
 [1 1 1 1 1 1 1]
 [1 1 1 1 1 1 1]
 [1 1 1 1 1 1 1]
 [1 1 1 1 1 1 1]]
MORPH_ELLIPSE kernel:
 [[0 0 0 1 0 0 0]
 [0 1 1 1 1 1 0]
 [1 1 1 1 1 1 1]
 [1 1 1 1 1 1 1]
 [1 1 1 1 1 1 1]
 [0 1 1 1 1 1 0]
 [0 0 0 1 0 0 0]]
MORPH_CROSS kernel:
 [[0 0 0 1 0 0 0]
 [0 0 0 1 0 0 0]
 [0 0 0 1 0 0 0]
 [1 1 1 1 1 1 1]
 [0 0 0 1 0 0 0]
 [0 0 0 1 0 0 0]
 [0 0 0 1 0 0 0]]

原圖圖源：mnist

從運行結果可以看到當使用方形MORPH_RECT的結構元時，新影像的邊界看起來仍然是方方正正的，但是使用十字形MORPH_CROSS和橢圓形MORPH_ELLIPSE的結構元時，邊界要顯得“圓滑”的多，

4、實際應用的例子

下面是一個用腐蝕去除噪聲的例子：

import matplotlib.pyplot as plt 
import cv2
print('VX公眾號: 桔子code / juzicode.com')
print('cv2.__version__:',cv2.__version__)
plt.rc('font',family='Youyuan',size='9')

img = cv2.imread('..\\samples\\picture\\mnist-7-noise.jpg',cv2.IMREAD_GRAYSCALE) 
_,img = cv2.threshold(img,127,255,0)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(7,7))
img_ret1 = cv2.erode(img,kernel,iterations=2) 

#顯示影像
fig,ax = plt.subplots(1,2)
ax[0].set_title('原圖 (juzicode.com)')
ax[0].imshow(cv2.cvtColor(img,cv2.COLOR_BGR2RGB)) #matplotlib顯示影像為rgb格式
ax[1].set_title('erode ksize=7 iter=2') 
ax[1].imshow(cv2.cvtColor(img_ret1,cv2.COLOR_BGR2RGB))
ax[0].axis('off');ax[1].axis('off')
plt.show() 

原圖圖源：mnist

在原圖中白色小點表示的噪聲通過腐蝕操作被去除掉了，

下面是一個在五線譜中去除橫線的例子：

import matplotlib.pyplot as plt 
import cv2
print('VX公眾號: 桔子code / juzicode.com')
print('cv2.__version__:',cv2.__version__)
plt.rc('font',family='Youyuan',size='9')

img = cv2.imread('..\\samples\\data\\notes.png',cv2.IMREAD_GRAYSCALE) 
_,img_bin = cv2.threshold(img,127,255,1)#二值反色
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(1,7))
img_erode = cv2.erode(img_bin,kernel,iterations=1) 
img_dilate = cv2.dilate(img_erode,kernel,iterations=1) 

#顯示影像
fig,ax = plt.subplots(3,1)
ax[0].set_title('原圖 (juzicode.com)')
ax[0].imshow(cv2.cvtColor(img,cv2.COLOR_BGR2RGB)) #matplotlib顯示影像為rgb格式
ax[1].set_title('img_erode') 
ax[1].imshow(cv2.cvtColor(img_erode,cv2.COLOR_BGR2RGB))
ax[2].set_title('img_dilate') 
ax[2].imshow(cv2.cvtColor(img_dilate,cv2.COLOR_BGR2RGB))
ax[0].axis('off');ax[1].axis('off');ax[2].axis('off')
plt.show() 

因為橫線是水平方向的，高度小長度大，先用一個1×7的結構元進行腐蝕，這時腐蝕會作用到垂直方向上，水平方向幾乎不會被影響到，從而將高度較小的橫線腐蝕掉，但是因為腐蝕操作將需要保留的符號也腐蝕掉了一部分，所以再用同樣的結構元進行一次膨脹操作，就能復原出符號的形狀，

擴展閱讀：

1. OpenCV-Python教程