Opencv中的开运算和闭运算操作讲解（python实现）-Toy模板网

这篇具有很好参考价值的文章主要介绍了Opencv中的开运算和闭运算操作讲解（python实现）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

1.首先了解腐蚀和膨胀原理

https://mydreamambitious.blog.csdn.net/article/details/125265431

2.开运算

开运算=腐蚀+膨胀（顺序不可颠倒）

（1）为什么开运算可以去白噪点呢？

根据腐蚀的原理，使用一个给定大小的卷积核（结构单元）对图像进行卷积，操作是用卷积核（结构元素）B与其覆盖的二值图像A做“与”操作，如果结果为1，那么为1，否则为0；但是对于噪点的话，很多情况下在于卷积核进行与操作之后结果都为0，所以对于二值图像那么就是黑色，也就是白色的噪点变成黑色（相当于白色噪点被去掉）。腐蚀之后图像中的主要部分也会变小（“瘦”），所以需要使用膨胀进行还原；膨胀的过程是使用卷积核与二值图像进行或操作，只要其中有一个为1，则结果为1，否则结果为0.从而达到了去白噪点。
比如下面一张图中，可以看到其中有很多的白色噪点，所以这个时候可以使用开运算操作。
Opencv中的开运算和闭运算操作讲解（python实现）

（2）.函数讲解

morphologyEx(src, op, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None):

Src:输入的原始图像；
Op:进行操作（开运算或者闭运算）；
Kernel:卷积核的大小；
Dst:输出的图像；
Anchor:默认值为（-1，-1），卷积的中心。
Iterations:迭代的次数。
borderType:用于推断图像外部像素的某种边界模式。注意它有默认值 BORDER_DEFAULT。
borderValue:边界值（如果是常量边界）。默认morphologyDefaultBorderValue具有特殊含义。对于侵蚀，它被转换为+\inf；对于膨胀，它被转换为-\inf，这意味着只有在图像内部的像素上才能有效地计算最小值（最大值）。

（3）代码实战

import os
import cv2
import random
import numpy as np

#产生白色噪点
def ProduceWhiteNoise(img_path='images/Exen.png'):
    image=cv2.imread(img_path)
    h,w,c=np.shape(image)
    noise=np.zeros(shape=image.shape,dtype=np.uint8)
    # print(np.shape(image))
    #固定产生白噪点的个数
    count=0
    prob=0.95
    for i in range(h):
        for j in range(w):
            sand=random.random()
            if count<=50000 and sand>prob:
                noise[i][j]=255
                count+=1
            else:
                noise[i][j]=image[i][j]
    cv2.imshow('image',noise)
    cv2.waitKey(0)
    cv2.imwrite('images/Exen_copy.png',noise)

#进行开运算的方式一，直接调用开运算函数
def MorphologyExAnd(img_path='images/Exen_copy.png'):
    #读取图片
    img_src=cv2.imread(img_path)
    img=cv2.resize(src=img_src,dsize=(500,500))
    #获取卷积核，这里使用矩阵的方式
    kernel=cv2.getStructuringElement(shape=cv2.MORPH_RECT,ksize=(7,7))
    #进行开运算
    img=cv2.morphologyEx(src=img,op=cv2.MORPH_OPEN,kernel=kernel,iterations=1)
    #显示图片
    cv2.imshow('img_src',img_src)
    cv2.imshow('img',img)
    #等待接收鼠标或者键值
    cv2.waitKey(0)
    cv2.destroyAllWindows()

#进行开运算方式2=腐蚀+膨胀
def Erode_Dilate(img_path='images/Exen_copy.png'):
    #读取图像
    img_src=cv2.imread(img_path)
    img=cv2.resize(src=img_src,dsize=(500,500))
    #获取卷积核
    kernel=cv2.getStructuringElement(shape=cv2.MORPH_RECT,ksize=(7,7))
    #首先进行腐蚀操作
    img_erode=cv2.erode(src=img,kernel=kernel,iterations=2)
    #再进行膨胀操作
    img_dilate=cv2.dilate(src=img_erode,kernel=kernel,iterations=2)
    #显示图像
    cv2.imshow('img_src',img_src)
    cv2.imshow('img_dilate',img_dilate)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


if __name__ == '__main__':
    print('Pycharm')
    # ProduceWhiteNoise()
    # MorphologyExAnd()
    Erode_Dilate()

直接调用开运算操作的结果
Opencv中的开运算和闭运算操作讲解（python实现）
使用：腐蚀+膨胀方式

可以看到两者的效果都是很不错的。

3.闭运算

闭运算=膨胀+腐蚀
（和开运算相反）
达到的效果：
比如下面一张图中，可以看到其中有很多的黑色噪点，所以这个时候可以使用开运算操作。
Opencv中的开运算和闭运算操作讲解（python实现）

（1）函数讲解

和开运算一样的函数，只不过op的方式改为：cv2.MORPH_CLOSE

（2）代码实战

import os
import cv2
import random
import numpy as np

#产生黑色噪点
def ProduceBlackNoise(img_path='images/Exen.png'):
    image=cv2.imread(img_path)
    h,w,c=np.shape(image)
    noise=np.zeros(shape=image.shape,dtype=np.uint8)
    # print(np.shape(image))
    #固定产生白噪点的个数
    count=0
    prob=0.95
    for i in range(h):
        for j in range(w):
            sand=random.random()
            if count<=50000 and sand>prob:
                noise[i][j]=0
                count+=1
            else:
                noise[i][j]=image[i][j]
    cv2.imshow('image',noise)
    cv2.waitKey(0)
    cv2.imwrite('images/Exen_black.png',noise)

#进行开运算的方式一，直接调用开运算函数
def MorphologyExAnd(img_path='images/Exen_black.png'):
    #读取图片
    img_src=cv2.imread(img_path)
    img=cv2.resize(src=img_src,dsize=(500,500))
    #获取卷积核，这里使用矩阵的方式
    kernel=cv2.getStructuringElement(shape=cv2.MORPH_RECT,ksize=(3,3))
    #进行闭运算
    img=cv2.morphologyEx(src=img,op=cv2.MORPH_CLOSE,kernel=kernel,iterations=1)
    #显示图片
    cv2.imshow('img_src',img_src)
    cv2.imshow('img',img)
    #等待接收鼠标或者键值
    cv2.waitKey(0)
    cv2.destroyAllWindows()

#进行开运算方式2=腐蚀+膨胀
def Erode_Dilate(img_path='images/Exen_black.png'):
    #读取图像
    img_src=cv2.imread(img_path)
    img=cv2.resize(src=img_src,dsize=(500,500))
    #获取卷积核
    kernel=cv2.getStructuringElement(shape=cv2.MORPH_RECT,ksize=(3,3))
    #首先进行膨胀操作
    img_dilate = cv2.dilate(src=img, kernel=kernel, iterations=1)
    #再进行腐蚀操作
    img_erode = cv2.erode(src=img_dilate, kernel=kernel, iterations=1)
    #显示图像
    cv2.imshow('img_src',img_src)
    cv2.imshow('img_dilate',img_erode)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


if __name__ == '__main__':
    print('Pycharm')
    # ProduceBlackNoise()
    # MorphologyExAnd()
    Erode_Dilate()

直接使用闭运算函数的结果：
Opencv中的开运算和闭运算操作讲解（python实现）
使用：膨胀+腐蚀方式

总结：
开运算是解决黑色图像部分中的白色噪点；
闭运算解决的是白色图像部分中的黑色噪点。文章来源地址https://www.toymoban.com/news/detail-465109.html