影像型態學

型態學，即數學型態學(Mathematical Morphology)，型態學主要從影像內分析分量資訊，該分量資訊通常對於表達和描繪影像的形狀具有重要意義，通常是影像了解時所使用的最本質的形狀特徵。

型態學包含：腐蝕、膨脹、開運算、閉運算、型態學梯度運算、頂帽運算、黑帽運算等操作。

腐蝕

腐蝕是最基本的型態學操作之一，它能夠將影像的邊界點消除，使影像沿著邊界像內收縮，也可以將小於指定結構元素的部分去除。

腐蝕用來「收縮」或「細化」二值影像中的前景，藉此實現去除雜訊、元素分割等功能。

腐蝕是針對白色部分（高亮部分）而言的。

腐蝕是原圖中的高亮區域被蠶食，效果圖擁有比原圖更小的高亮區域(黑暗放大，光亮縮小)。

在OpenCV中，使用函數cv2.erode()來實現腐蝕操作：

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

dst 是腐蝕後所輸出的靶心圖表面。
src是需要進行腐蝕的原始影像。
kernel(核)代表腐蝕操作時所採用的結構類型，可以自訂也可以透過函數cv2.getStructuringElement()產生
anchor代表element結構中錨點的位置。該值預設為(-1,-1)。
iterations是腐蝕操作反覆運算的次數，該預設值為1。
borderType代表邊界樣式，一般採用預設值BORDER_CONSTANT。
borderValue代表邊界值，一般採用預設值。

kernel = np.ones((5,5),np.uint8) #產生5*5的核(kernel)

erosion1 = cv2.erode(img ,kernel) #iterations使用預設值，故只有一次

erosion5 = cv2.erode(img , kernel ,iterations =5) #使其反覆運算五次

可以看到，影象原來黑暗的部分被放大了，明亮的部分被縮小了。

膨脹

膨脹與腐蝕的作用是相反的，膨脹操作能對影像的邊界進行擴張。

膨脹是針對白色部分（高亮部分）而言的。

膨脹就是對影象高亮部分進行“領域擴張”，效果圖擁有比原圖更大的高亮區域

膨脹就是求區域性最大值的操作，從影象直觀看來，就是將影象光亮部分放大，黑暗部分縮小。

在OpenCV內，採用函數cv2.dilate()實現對影像的膨脹操作：

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

代表意義與腐蝕相同。

kernel = np.ones((100,100),np.uint8) #產生5*5的核(kernel)

dilation1 = cv2.dilate(img ,kernel)

dilation5 = cv2.dilate(img , kernel ,iterations =5) #使其反覆運算五次

可以看到，影象原來光亮的部分被放大了，黑暗的部分被縮小了。

通用型態學函數

腐蝕和膨脹都是型態學運算的基礎，將腐蝕和膨脹進行組合，就可以實現開運算、閉運算、型態學梯度運算、頂冒運算、黑帽運算等多種不同形式的運算

OpenCV提供了函數cv2.morphologyEx()來實現上述型態學運算：

dst = cv2.morphologyEx( src , op ,kernel[, anchor[, iterations[, borderType[, borderValue]]]]])

dst 代表經過型態學處理後所輸出的靶心圖表面。
src代表原始影像。
op代表操作類型。
其他參數與erode()一致。

開運算

開運算進行的操作是將影像腐蝕、再對腐蝕的結果進行膨脹，可用於去噪(消除小物體)、計數或去除物體上的小白點等。

透過函數cv2.morphologyEx()中操作類型op設定為"cv2.MORPH_OPEN"，可以實現開運算：

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

kernel = np.ones((5,5),np.uint8) #產生5*5的核(kernel)

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

可明顯看出白色的小物體都被消除！

閉運算

閉運算是先膨脹、後腐蝕的運算，它有助關閉前景物體內部的小孔，或去除物體上的小黑點，還可以將不同的前景影像進行連接。

kernel = np.ones((5,5),np.uint8) #產生5*5的核(kernel)

close = cv2.morphologyEx(img ,cv2.MORPH_CLOSE,kernel)

型態學梯度運算

型態學梯度運算是用影像的膨脹影像減腐蝕影像，該操作可以取得原始影像中前景影像的邊緣。

result = cv2.morphologyEx(img , cv2.MORPH_GRADIENT, kernel)

kernel = np.ones((5,5),np.uint8) #產生5*5的核(kernel)

res = cv2.morphologyEx(img ,cv2.MORPH_GRADIENT,kernel)

頂帽運算

頂帽運算是用原始影像減去開運算影像的操作，能取得雜訊資訊或比原始影像的邊緣更亮的邊緣資訊。

result = cv2.morphologyEx(img , cv2.MORPH_TOPHAT,kernel)

kernel = np.ones((5,5),np.uint8) #產生5*5的核(kernel)

res = cv2.morphologyEx(img ,cv2.MORPH_TOPHAT,kernel)

可以看出邊緣資訊更加明顯！

黑帽運算

黑帽運算是用閉運算影像減去原始影像的操作，能取得影像內部的小孔、前景色中的小黑點、比原始影像的邊緣更暗的邊緣部分。

result = cv2.morphologyEx(img , cv2.MORPH_BLACKHAT,kernel)

kernel = np.ones((5,5),np.uint8) #產生5*5的核(kernel)

res = cv2.morphologyEx(img ,cv2.MORPH_BLACKHAT,kernel)

Page updated

Google Sites

Report abuse