【OpenCV——python】形态学变换 颜色空间 颜色替换 掩膜 旋转

形态学变换

形态学变换一般是处理二值图的腐蚀和膨胀操作，输入二值化图像和核，对图像进行类似卷积的操作

• 核

  • 核是一定大小的区域，在原图中进行滑动计算

• 腐蚀erode

  腐蚀过程

  • 核在图像上滑动，对应位置相乘，最小值作为核中心点的像素值，二值图像为0和1，所有只要核内有0的值，整合核大小位置都会变为0（黑）。全为1才会变白
  • 作用：
    • 腐蚀后的效果是白色部分变细，可以过滤白色的噪点。细化连续的前景区域

  # 腐蚀  黑色变大
  img = cv2.imread('./media/da.png',cv2.IMREAD_GRAYSCALE)
  _,img1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)  
  # 二值化为黑底的图片
  kernel = np.ones((3,3),dtype=np.uint8)  # 核
  img2 = cv2.erode(img1,kernel,iterations=2)  # iterations腐蚀操作的次数
  # cv2.imshow('img',img)
  cv2.imshow('img1',img1)
  cv2.imshow('img2',img2)
  cv2.waitKey(0)
  

• 膨胀dilate

  膨胀和腐蚀相反

  • 核在图像上滑动，对应位置相乘，最大值作为核中心点的像素值，二值图像为0和1，所有只要核内有1的值，整个核大小位置都会变为1（白）。全为0才会变黑
  • 作用：
    • 可以扩大目标的物体边界，连接断裂的前景部分，填补空洞

  #  膨胀
  img = cv2.imread('./media/da.png',cv2.IMREAD_GRAYSCALE)
  _,img1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)
  kernel = np.ones((3,3),dtype=np.uint8)  # 核
  img2 = cv2.dilate(img1,kernel,iterations=2)
  # cv2.imshow('img',img)
  cv2.imshow('img1',img1)
  cv2.imshow('img2',img2)
  cv2.waitKey(0)
  

• 开运算

  • 先腐蚀，后膨胀
  • 作用：
    • 分离物体，消除噪点，去除一些小的干扰块

  # 开操作
  img = cv2.imread('./media/da2.png',cv2.IMREAD_GRAYSCALE)
  _,img1 = cv2.threshold(img