ERDAS 数学形态学(Morphological)运算（其中包含腐蚀Erode、膨胀Dilate、开运算Open、闭运算Close）-Python CV2库

ERDAS数学形态学(Morphological)运算,其中包含腐蚀（Erode）、膨胀（Dilate）、开运算（Open）、闭运算（Close）

在用ERDAS Imagine 2014做水体提取时，需要用到形态学运算，在软件菜单栏"Rster tab → Spatial → Morphological"工具下有个Function选择列表，里面有Erode（腐蚀）、Dilate（膨胀）、Open（开运算）、Close（闭运算）这四个函数，今天我们用Python的CV2库对相关的概念做一下深入地理解。（附源代码）
在这里插入图片描述

前期准备：

模版的选择：
3*3的矩形结构模版

kernel01 = cv.getStructuringElement(cv.MORPH_RECT, (3, 3)) # 矩形结构

[[1 1 1]
[1 1 1]
[1 1 1]]

5*5的椭圆结构模版

kernel02 = cv.getStructuringElement(cv.MORPH_ELLIPSE, (3, 3))  # 椭圆结构

[[0 0 1 0 0]
[1 1 1 1 1]
[1 1 1 1 1]
[1 1 1 1 1]
[0 0 1 0 0]]

3*3的十字结构模版

kernel03 = cv.getStructuringElement(cv.MORPH_CROSS, (3, 3))  # 十字结构

[[0 1 0]
[1 1 1]
[0 1 0]]

2 实验图片

图片一：彩色图像
图片二：黑白二值图像（与黑白图像相比，它是有一个个的小颗粒组成的）

鱼-二值图像

开始实验

腐蚀Erode
腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。
腐蚀的算法：用3x3的结构元素，扫描图像的每一个像素，用结构元素与其覆盖的二值图像做“与”操作，如果都为1，结果图像的该像素为1。否则为0。
结果：使二值图像减小一圈

erosion = cv.erode(src, kernel01, iterations=3)# 进行腐蚀处理

鱼-黑白图像膨胀处理结果
在这里插入图片描述
鱼-黑白二值图像腐蚀处理结果
3. 膨胀Dilate
膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。可以用来填补物体中的空洞。
膨胀的算法：用3x3的结构元素，扫描图像的每一个像素，用结构元素与其覆盖的二值图像做“与”操作，如果都为0，结果图像的该像素为0。否则为1。
结果：使二值图像扩大一圈

erosion = cv.dilate(src, kernel01, iterations=3)# 进行膨胀处理

鱼-黑白图像膨胀处理结果
鱼-黑白二值图像膨胀处理结果
在这里插入图片描述
4. 开运算Open
先腐蚀后膨胀叫开运算（因为先腐蚀会分开物体，这样容易记住）
作用：用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。（分离物体，消除小区域。）

erosion = cv.morphologyEx(src, cv.MORPH_OPEN, kernel01)

鱼-黑白图像开运算处理结果
在这里插入图片描述
鱼-黑白二值图像开运算处理结果

5. 闭运算Close
先膨胀后腐蚀的过程称为闭运算。（先膨胀会使白色的部分扩张，以至于消除或闭合物体里面的小黑洞，所以叫闭运算）
作用：用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。

erosion = cv.morphologyEx(src, cv.MORPH_CLOSE, kernel01)

鱼-黑白图像闭运算处理结果
黑白闭运算
鱼-黑白二值图像闭运算处理结果
在这里插入图片描述

最终实现代码

import cv2 as cv
import numpy as np

#形态学运算中腐蚀（erode），膨胀（dilate），开运算（open）和闭运算（close）。

# 读入图片cv.imread()，返回的是个数组ndarray(dtype=uint8)，其中数值我们也可以更改。
# cv2.IMREAD_COLOR (默认读取方式，也可以用1来代替): 读取彩色图片，不包括alpha值(透明度)
# cv2.IMREAD_GRAYSCALE (也可以用0来代替):  图像灰度处理，这样压缩了了图片尺寸，但也会丢失特征。
# cv2.IMREAD_UNCHANGED (也可以用-1来代替): 读取彩色图片，且包括alpha值(透明度)

# src = cv.imread('E://images//fungis//fungisImg01.jpg', flags=1)#彩色图像
# src = cv.imread('E://images//fungis//fungisImg01.jpg', flags=0)#黑白图像

src = cv.imread('G://pythonCode//ContestDemo//fish.jpg', flags=1)#彩色图像
# src = cv.imread('G://pythonCode//ContestDemo//fish.jpg', flags=0)#黑白图像
# src = cv.imread('G://pythonCode//ContestDemo//fish01.png', flags=0)#二值图像

#存储处理后的图片
# cv.imwrite('cat0.png', src)



# 生成卷积核
kernel01 = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))        # 矩形结构
kernel02 = cv.getStructuringElement(cv.MORPH_ELLIPSE, (5, 5))  # 椭圆结构
kernel03 = cv.getStructuringElement(cv.MORPH_CROSS, (3, 3))  # 十字结构
print(kernel01)
# print(kernel02)
# print(kernel03)

# 腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。
# 腐蚀的算法：
# 用3x3的结构元素，扫描图像的每一个像素,用结构元素与其覆盖的二值图像做“与”操作,如果都为1，结果图像的该像素为1。否则为0。
# 结果：使二值图像减小一圈
# erosion = cv.erode(src, kernel01, iterations=3)# 进行腐蚀处理


# 图像处理类型:
# 膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。可以用来填补物体中的空洞。
# 膨胀的算法：
# 用3x3的结构元素，扫描图像的每一个像素, 用结构元素与其覆盖的二值图像做“与”操作,如果都为0，结果图像的该像素为0。否则为1
# 结果：使二值图像扩大一圈
# erosion = cv.dilate(src, kernel01, iterations=3)# 进行膨胀处理


# 先腐蚀后膨胀叫开运算（因为先腐蚀会分开物体，这样容易记住）
# 用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。(分离物体，消除小区域。)
# erosion = cv.morphologyEx(src, cv.MORPH_OPEN, kernel01)

# 先膨胀后腐蚀的过程称为闭运算。用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。
# 先膨胀后腐蚀（先膨胀会使白色的部分扩张，以至于消除/"闭合"物体里面的小黑洞，所以叫闭运算）
erosion = cv.morphologyEx(src, cv.MORPH_CLOSE, kernel01)


# 添加说明文字1
ori = src.copy("C")
cv.putText(ori, "Original", (520, 100), cv.FONT_HERSHEY_COMPLEX, 2.0, (150, 10, 0), 5)
# 添加说明文字2
cv.putText(erosion, "Success Image", (520, 100), cv.FONT_HERSHEY_COMPLEX, 2.0, (150, 150, 0), 5)

# 将原图片与腐蚀处理后的图片拼接起来
show = np.hstack([ori, erosion])
# 显示图片
cv.namedWindow('fungis', cv.WINDOW_NORMAL)
cv.imshow('fungis', show)#窗口大小会自动拟合图片尺寸

cv.waitKey(0)
cv.destroyAllWindows()

来源：CSDN

作者：努力搬砖的giser

链接：https://blog.csdn.net/qq_41441896/article/details/103656159

标签

二值图像

数学形态学

erdas