Неделя 7 - Морфологические операции и работа с бинарными изображениями

1. Введение в морфологические операции

Морфологические операции - это преобразования, основанные на форме изображения. Они применяются к бинарным изображениям и используют структурный элемент (ядро) для обработки:

python

Copy

import cv2

import numpy as np

# Загрузка изображения и бинаризация

img = cv2.imread('objects.jpg', 0)

_, binary = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

# Создание структурного элемента

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

2. Базовые морфологические операции

2.1. Эрозия (Erosion)

Уменьшает белые области, удаляет мелкие объекты:

python

Copy

eroded = cv2.erode(binary, kernel, iterations=1)

2.2. Дилатация (Dilation)

Расширяет белые области, заполняет мелкие отверстия:

python

Copy

dilated = cv2.dilate(binary, kernel, iterations=1)

2.3. Комбинированные операции

Открытие (Opening)

Эрозия + дилатация. Удаляет шум:

python

Copy

opening = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)

Закрытие (Closing)

Дилатация + эрозия. Заполняет отверстия:

python

Copy

closing = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)

3. Расширенные морфологические операции

3.1. Морфологический градиент

Разница между дилатацией и эрозией (контуры объектов):

python

Copy

gradient = cv2.morphologyEx(binary, cv2.MORPH_GRADIENT, kernel)

3.2. Top Hat (Шляпа)

Разница между исходным и открытым изображением:

python

Copy

tophat = cv2.morphologyEx(binary, cv2.MORPH_TOPHAT, kernel)

3.3. Black Hat

Разница между закрытым и исходным изображением:

python

Copy

blackhat = cv2.morphologyEx(binary, cv2.MORPH_BLACKHAT, kernel)

4. Структурные элементы

Разные формы ядер дают разные эффекты:

python

Copy

# Прямоугольное ядро

rect_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))

# Эллиптическое ядро

ellipse_kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5))

# Крестообразное ядро

cross_kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (5,5))

5. Практические примеры

5.1. Удаление шума с монет

python

Copy

# Загрузка изображения с монетами

coins = cv2.imread('coins.jpg', 0)

_, coins_binary = cv2.threshold(coins, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

# Удаление мелкого шума

kernel = np.ones((3,3), np.uint8)

clean_coins = cv2.morphologyEx(coins_binary, cv2.MORPH_OPEN, kernel, iterations=2)

5.2. Заполнение пробелов в тексте

python

Copy

# Загрузка текстового изображения

text = cv2.imread('text.jpg', 0)

_, text_binary = cv2.threshold(text, 150, 255, cv2.THRESH_BINARY_INV)

# Заполнение пробелов

kernel = np.ones((3,3), np.uint8)

filled_text = cv2.morphologyEx(text_binary, cv2.MORPH_CLOSE, kernel, iterations=2)

6. Практическое задание

1. Загрузите изображение и примените бинаризацию

2. Экспериментируйте с эрозией и дилатацией (разные ядра)

3. Сравните результаты открытия и закрытия

4. Примените морфологический градиент для выделения контуров

5. Решите задачу:

o Загрузите изображение с поврежденным текстом

o Восстановите текст с помощью морфологических операций

7. Итоги

·         Эрозия уменьшает объекты, дилатация расширяет

·         Открытие удаляет шум, закрытие заполняет дыры

·         Разные структурные элементы дают разные эффекты

·         Морфологические операции критически важны для:

o Предобработки изображений

o Анализа формы объектов

o Улучшения результатов сегментации

Следующая тема: Детекция и распознавание объектов (шаблоны, гистограммы)