第七节：形态学处理

                                   简述形态学处理：

一：腐蚀

  代码实现：

import cv2

I = cv2.imread('img.jpg', cv2.IMREAD_GRAYSCALE)

# 创建矩形结构元
s = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))

# 腐蚀图像，迭代次数采用默认值1
r = cv2.erode(I, s)

# 边界提取
e = I - r

# 显示原图和腐蚀后的结果
cv2.imshow('origin', I)
cv2.imshow('deal_image', r)

# 显示边界提取的效果
cv2.imshow('edge', e)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果：

原始图：
 

腐蚀后的图

边缘图：

二：膨胀

代码实现 ：

import cv2

I = cv2.imread('img.jpg', cv2.IMREAD_GRAYSCALE)

# 显示原图
cv2.imshow('origin', I)

# 结构元半径
r = 1
MAX_R = 20

# 显示膨胀效果的窗口
cv2.namedWindow('dilate', 1)
def nothing(*args):
    pass

# 调整结构元半径
cv2.createTrackbar('r', 'dilate', r, MAX_R, nothing)

while True:
    # 得到当前的r值
    r = cv2.getTrackbarPos('r', 'dilate')

    # 创建结构元
    s = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (2*r+1, 2*r+1))

    # 膨胀图像
    d = cv2.dilate(I, s)

    # 显示膨胀效果
    cv2.imshow('dilate', d)

    ch = cv2.waitKey(5)

    # 按esc退出循环
    if ch == 27:
        break

cv2.destroyAllWindows()

输出结果：

可以调节上面的r 来改变膨胀的力度。。。

三：开运算和闭运算

代码实现

import cv2
import numpy as np

I = cv2.imread('img.jpg', cv2.IMREAD_GRAYSCALE)

# 显示原图
cv2.imshow('origin', I)

# 结构元半径和迭代次数
r, i = 1, 1
MAX_R, MAX_I = 20, 20

# 显示形态学处理效果的窗口
cv2.namedWindow('morphology', 1)
def nothing(*args):
    pass

# 调整结构元半径
cv2.createTrackbar('r', 'morphology', r, MAX_R, nothing)

# 调整迭代次数
cv2.createTrackbar('i', 'morphology', i, MAX_I, nothing)

while True:
    # 得到进度条上当前的r值
    r = cv2.getTrackbarPos('r', 'morphology')

    # 得到进度条上当前的i值
    i = cv2.getTrackbarPos('i', 'morphology')

    # 创建结构元
    s = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (2*r+1, 2*r+1))

    # 形态学处理
    d = cv2.morphologyEx(I, cv2.MORPH_OPEN, s, iterations=i)

    # 显示效果
    cv2.imshow('morphology', d)

    ch = cv2.waitKey(0)

    # 按下esc键退出循环
    if ch == 27:
        break
cv2.destroyAllWindows()

输出结果：