形态学

形态学概述

形态学是基于图像形态进行处理的一些基本方法
这些处理方法基本是对二进制图像进行处理（黑白图像）
卷积核决定着图像处理后的效果

形态学图像处理

腐蚀与膨胀：腐蚀是让一块区域变小，膨胀是让一块区域变大
开运算：腐蚀与膨胀的组合，先做腐蚀再做膨胀
闭运算：腐蚀与膨胀的组合，先做膨胀再做腐蚀

图像全局二值化

什么是二值化：将图像的每个像素变成两种值，如0, 255，将像素点要码变成白色要码变成黑色。
全局二值化：比如自定义了一条线，全局高于这条线就变成255，低于这条线就变成白色。弊端是由于光照不均匀及阴影的存在，只有一个阈值会使得在阴影处的白色被二值化成黑色
局部二值化：全局二值化部分拆分成局部一小块一小块的做对比。
全局二值化API：threshold(img, thresh, maxVal, type)
1. img: 源，最好是灰度图
2. thresh: 阈值
3. maxVal: 超过阈值，替换成maxVal
4. type: 二值化类型
  1. 二进制: THRESH_BINARY 和 THRESH_BINARY_INV
    - THRESH_BINARY 低于阈值就是0，高于阈值就是maxVal。
    - THRESH_BINARY_INV 低于阈值就是maxVal，高于阈值就是0。与THRESH_BINARY效果相反。
  2. THRESH_TRUNC
  3. THRESH_TOZERO 和 THRESH_TOZERO_INV
```
import cv2

img = cv2.imread('./fat.png')
# 彩色转灰度
img1 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 全局二值化
ret, dst = cv2.threshold(img1, 180, 255, cv2.THRESH_BINARY)

cv2.imshow('img', img)
cv2.imshow('img1', img1)
cv2.imshow('dst', dst)
cv2.waitKey(0)
```

阈值类型

thresholdType
- truncate 削峰置平
- threshold to zero, inverted 削峰置0
- threshold to zero 非峰置0

自适应阈值二值化

API：adaptiveThreshold(img, maxVal, adaptiveMethod, type, blockSize, C)
1. img: 源
2. maxVal: 转换成的最大值是多少
3. adaptiveMethod: 计算阈值的方法
  - ADAPTIVE_THRESH_MEAN_C: 计算邻近区域的平均值
  - ADAPTIVE_THRESH_GAUSSIAN_C: 高斯窗口加权平均值
4. type: 只有两个THRESH_BINARY、THRESH_BINARY_INV
5. blockSize: 邻近区域大小
6. C: 常量，应从计算出的平均值或加权平均值中减去
```
import cv2

img = cv2.imread('math.png')
img1 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

dst = cv2.adaptiveThreshold(img1, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                                        cv2.THRESH_BINARY, 11, 0)

cv2.imshow('img', img)
cv2.imshow('img1', img1)
cv2.imshow('dst', dst)
cv2.waitKey(0)
```

OpenCV腐蚀

腐蚀的原理
腐蚀运算(3x3卷积核)
腐蚀效果

腐蚀API：erode(img, kernel, iterations=1)

img: 源
kernel: 卷积核
iterations: 腐蚀次数

import cv2
import numpy as np

img = cv2.imread('./j.png')
kernel = np.ones((5, 5), np.uint8)

dst = cv2.erode(img, kernel, iterations=1)

cv2.imshow('img', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)

获取形态学卷积核

卷积核的类型
- MORPH_RECT (通常情况下使用这个矩形，全部为1)
- MORPH_ELLIPSE (椭圆形的，四个角变成0其余是1)
- MORPH_CROSS (交叉轴十字架，横竖为1其余为0)

获取卷积核

getStructuringElement(type, size)

type：为上面卷积核的类型

size：一般为(3,3) (5,5) (7,7)

# 矩形
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
print(kernel)
'''
[[1 1 1 1 1 1 1]
[1 1 1 1 1 1 1]
[1 1 1 1 1 1 1]
[1 1 1 1 1 1 1]
[1 1 1 1 1 1 1]
[1 1 1 1 1 1 1]
[1 1 1 1 1 1 1]]
'''

# 椭圆
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
print(kernel)
'''
[[0 0 0 1 0 0 0]
[0 1 1 1 1 1 0]
[1 1 1 1 1 1 1]
[1 1 1 1 1 1 1]
[1 1 1 1 1 1 1]
[0 1 1 1 1 1 0]
[0 0 0 1 0 0 0]]
'''

# 十字架
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
print(kernel)
'''
[[0 0 0 1 0 0 0]
[0 0 0 1 0 0 0]
[0 0 0 1 0 0 0]
[1 1 1 1 1 1 1]
[0 0 0 1 0 0 0]
[0 0 0 1 0 0 0]
[0 0 0 1 0 0 0]]
'''

OpenCV膨胀

膨胀效果

API：dilate(img, kernel, iterations=1)

img: 源
kernel: 卷积核
iterations: 膨胀次数

import cv2
import numpy as np

img = cv2.imread('./j.png')
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
# 膨胀
dst = cv2.dilate(img, kernel, iterations=1)
cv2.imshow('img', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)

开运算

什么是开运算：开运算 = 腐蚀 + 膨胀
开运算的效果：去除噪音

开运算API：morphologyEx(img, MORPH_OPEN, kernel)

img: 源
MORPH_OPEN: 开运算

kernel: 卷积核

import cv2
import numpy as np

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
img = cv2.imread('./dotj.png')
# 开运算
dst = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
cv2.imshow('img', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)

闭运算

什么是闭运算：闭运算 = 膨胀 + 腐蚀
闭运算的效果：去除内部噪点

闭运算API：morphologyEx(img, MORPH_CLOSE, kernel)

img: 源
MORPH_OPEN: 开运算

kernel: 卷积核

import cv2
import numpy as np

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
img = cv2.imread('./dotinj.png')
# 闭运算
dst = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
cv2.imshow('img', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)

形态学梯度

什么是形态学梯度：梯度 = 原图 - 腐蚀
梯度效果：计算边缘的时候可以用

梯度API：morphologyEx(img, MORPH_GRADIENT, kernel)

img: 源
MORPH_GRADIENT: 梯度

kernel: 卷积核

import cv2
import numpy as np

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
img = cv2.imread('./j.png')
# 梯度
dst1 = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
cv2.imshow('img', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)

顶帽运算

什么是顶帽运算：顶帽 = 原图 - 开运算
顶帽运算效果：保留/去除指定噪点

顶帽运算API：morphologyEx(img, MORPH_TOPHAT, kernel)

img: 源
MORPH_TOPHAT: 顶帽

kernel: 卷积核

import cv2
import numpy as np

#顶帽
img = cv2.imread('./tophat.png')
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (19, 19))
dst1 = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

cv2.imshow('img', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)

黑帽运算

什么是黑帽运算：顶帽 = 原图 - 闭运算
黑帽运算效果：一副图中求出小的噪点

黑帽运算API：morphologyEx(img, MORPH_BLACKHAT, kernel)

img: 源
MORPH_BLACKHAT: 黑帽

kernel: 卷积核

import cv2
import numpy as np

#黑帽
img = cv2.imread('./dotinj.png')
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
dst1 = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

cv2.imshow('img', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)

总结

开运算，分腐蚀再膨胀，去除大图形外的小图形【MORPH_OPEN】
闭运算，先膨胀再腐蚀，去除大图形内的小图形【MORPH_CLOSE】
梯度，求图形的边缘【MORPH_GRADIENT】
顶帽，原图减去开运算，得到大图形外的小图形【MORPH_TOPHAT】
黑帽，原图减去闭运算，得到大图形内的小图形【MORPH_BLACKHAT】