來源：DeepHub IMBA

本文約1400字，建議閱讀5分鐘 
形態(tài)學(xué)的操作主要是去除影響圖像形狀和信息的噪聲。形態(tài)學(xué)運(yùn)算在圖像分割中非常有用，可以得到無噪聲的二值圖像。

形態(tài)學(xué)方法

當(dāng)圖像經(jīng)過預(yù)處理進(jìn)行增強(qiáng)和閾值等性能操作時(shí)，圖像就有可能得到一些噪聲。從而導(dǎo)致圖像中存在像素信息不平衡的問題。

形態(tài)學(xué)的操作主要是去除影響圖像形狀和信息的噪聲。形態(tài)學(xué)運(yùn)算在圖像分割中非常有用，可以得到無噪聲的二值圖像。

基本的形態(tài)操作是侵蝕和膨脹。下面對這兩種操作進(jìn)行說明:

膨脹

在放大操作中，如果物體是白色的，那么白色像素周圍的像素就會(huì)增大。它增加的區(qū)域取決于物體像素的形狀。膨脹過程增加了對象的像素?cái)?shù)，減少了非對象的像素?cái)?shù)。

具有不同內(nèi)核大小和迭代的膨脹的Python代碼

 import numpy as np
 import imutils
 import cv2#reading the input image
 img = cv2.imread('thumb.png') #reads the image
 
 #cv2.imwrite('Input_image.jpg',image)
 
 #Resizing the image
 scale_percent = 70
 width = int(img.shape[1] * scale_percent / 100)
 height = int(img.shape[0] * scale_percent / 100)
 dim = (width, height)
   
 # resize the input image
 image = cv2.resize(img, dim, interpolation = cv2.INTER_AREA)
 
 kernel = np.ones((1,1), dtype = "uint8")/9
 dilation = cv2.dilate(image,kernel,iterations = 1)
 cv2.imwrite('dilation.jpg', dilation)
 
 kernel = np.ones((2,2), dtype = "uint8")/9
 dilation = cv2.dilate(image,kernel,iterations = 1)
 cv2.imwrite('dilation.jpg', dilation)
 
 kernel = np.ones((2,2), dtype = "uint8")/9
 dilation = cv2.dilate(image,kernel,iterations = 3)
 cv2.imwrite('dilation.jpg', dilation)
 
 kernel = np.ones((2,2), dtype = "uint8")/9
 dilation = cv2.dilate(image,kernel,iterations = 5)
 cv2.imwrite('dilation.jpg', dilation)
 
 kernel = np.ones((3,3), dtype = "uint8")/9
 dilation = cv2.dilate(image,kernel,iterations = 2)
 cv2.imwrite('dilation.jpg', dilation)

侵蝕

侵蝕函數(shù)正好與膨脹功函數(shù)相反。侵蝕作用使物體體積變小。侵蝕過程增加了非目標(biāo)像素，減少了目標(biāo)像素。

具有不同內(nèi)核大小和迭代的侵蝕的Python代碼

 import numpy as np
 import imutils
 import cv2
 
 #reading the input image
 img = cv2.imread('thumb.png')
 #cv2.imwrite('Input_image.jpg',image)
 
 #Resizing the image
 scale_percent = 70
 width = int(img.shape[1] * scale_percent / 100)
 height = int(img.shape[0] * scale_percent / 100)
 dim = (width, height)
 
 # resize the input image
 image = cv2.resize(img, dim, interpolation = cv2.INTER_AREA)
 
 kernel = np.ones((1,1), dtype = "uint8")/9
 erosion = cv2.erode(image, kernel, iterations = 1)
 cv2.imwrite('erosion.jpg', erosion)
 
 kernel = np.ones((2,2), dtype = "uint8")/9
 erosion = cv2.erode(image, kernel, iterations = 2)
 cv2.imwrite('erosion.jpg', erosion)
 
 kernel = np.ones((2,2), dtype = "uint8")/9
 erosion = cv2.erode(image, kernel, iterations = 3)
 cv2.imwrite('erosion.jpg', erosion)
 
 kernel = np.ones((2,2), dtype = "uint8")/9
 erosion = cv2.erode(image, kernel, iterations = 5)
 cv2.imwrite('erosion.jpg', erosion)
 
 kernel = np.ones((5,5), dtype = "uint8")/9
 erosion = cv2.erode(image, kernel, iterations = 2)
 cv2.imwrite('erosion.jpg', erosion)

開操作

此方法可用于從圖像中去除噪聲。該方法的工作功能是先腐蝕再膨脹，以保持物體像素的原始性，去除背景中的小噪聲。

 import numpy as np
 import imutils
 import cv2
 #reading the input image
 img = cv2.imread('11.png')
 
 kernel = np.ones((5,5), dtype = "uint8")/9
 opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
 cv2.imwrite('opening.jpg', opening)

閉操作

此方法可用于從圖像中去除噪聲。這種方法的工作功能是先膨脹再腐蝕，去除內(nèi)部的小噪聲。

 import numpy as np
 import imutils
 import cv2
 #reading the input image
 img = cv2.imread('thumb.png')
 
 kernel = np.ones((9,9), dtype = "uint8")/9
 closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
 cv2.imwrite('closing.jpg', closing)

形態(tài)學(xué)梯度

這種方法是膨脹圖與腐蝕圖之差。

 import numpy as np
 import imutils
 import cv2
 
 #reading the input image
 img = cv2.imread('g1.png')
 
 kernel = np.ones((6,6), dtype = "uint8")/9
 gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
 cv2.imwrite('gradient.jpg', gradient)

總結(jié)

這些操作是處理二進(jìn)制圖像的一種非常簡單的方法，也是圖像處理應(yīng)用程序中預(yù)處理的一部分。

編輯：文婧