[OpenCV基礎][Python]形態學運算(侵蝕、膨脹、梯度)

形態學操作在影像處理中有多種應用，特別是在處理二值化影像（黑白影像）。

在影像處理應用上，基本上都由侵蝕，膨脹這兩種方法，組合搭配而成。

形態學運算是是通過使用結構元素（也稱為卷積核或內核）在圖像上滑動，對覆蓋區域進行矩陣運算，將覆蓋區域中的像素值設置為結構元素中相應位置的最大值或最小值。

膨脹運算圖

侵蝕運算圖

常見應用場景

1. 物體檢測與分割：
2. • 形態學操作可以用於增強或改善二值化影像中的物體邊界，使得物體的檢測和分割更加準確。這對於計算機視覺中的目標檢測和分割任務非常有用。
   • OpenCV與有提供一個圖像分割的演算法watershed，敝人文章連結如下：
   • [OpenCV應用][Python]應用watershed分割圖像(硬幣分割)
2. 雜訊去除：
3. • 在二值化影像中，形態學操作可以用來去除小的雜訊點，使影像更加清晰。侵蝕操作特別適合這一應用，它可以消除小的斑點和細小連接，而不影響主要的物體結構。
3. 填充與洞補：
4. • 閉運算可以用來填充物體內的小洞，使物體更加完整。
4. 文本的二值化：
5. • 在光學字符識別（OCR）等應用中，形態學操作可以用來處理二值化的圖像，增強文本區域的形狀，使得字符更容易被識別。
5. 圖像的特徵提取：
6. • 形態學操作可以用於提取影像中的結構和特徵，例如提取圖像中的邊緣、角點等。這對於後續的圖像分析和特徵識別非常重要。

膨脹（Dilation）：

通常用於擴大和強調二值影像中的物體。膨脹的效果是將物體的邊界擴張。

import cv2
import numpy as np

# 讀取二值影像
binary_image = cv2.imread('binary_image.jpg', cv2.IMREAD_GRAYSCALE)

# 定義膨脹的結構元素
kernel = np.ones((5, 5), np.uint8)

# 進行膨脹操作
dilated_image = cv2.dilate(binary_image, kernel, iterations=2)

cv2.imread('binary_image.jpg', cv2.IMREAD_GRAYSCALE)：
1. 使用OpenCV的imread函數讀取名為'binary_image.jpg'的影像
2. 並使用cv2.IMREAD_GRAYSCALE將其轉換為灰度影像。

np.ones((5, 5), np.uint8)：
1. 創建一個大小為 (5, 5) 的二維NumPy陣列，所有元素都是1，並指定數據類型為 np.uint8
2. 這個陣列被用作侵蝕操作的結構元素，它決定了侵蝕的形狀和大小。

cv2.dilate(binary_image, kernel, iterations=1)：
1. binary_image：要進行膨脹的影像，這裡是灰度影像。
2. kernel：膨脹的結構元素。
3. iterations：膨脹的迭代次數，可以控制膨脹的程度。在這裡設定為2，表示進行二次膨脹操作。

侵蝕（Erosion）：

通常用於縮小和平滑二值影像中的物體。侵蝕的效果是將物體的邊界收縮。

import cv2
import numpy as np

# 讀取二值影像
binary_image = cv2.imread('binary_image.jpg', cv2.IMREAD_GRAYSCALE)

# 定義侵蝕的結構元素
kernel = np.ones((5, 5), np.uint8)

# 進行侵蝕操作
eroded_image = cv2.erode(binary_image, kernel, iterations=1)

cv2.erode(binary_image, kernel, iterations=1)：
1. binary_image：要進行侵蝕的影像，這裡是灰度影像。
2. kernel：侵蝕的結構元素。
3. iterations：侵蝕的迭代次數，可以控制侵蝕的程度。在這裡設定為1，表示進行一次侵蝕操作。

形態學梯度運算

（Morphological Gradient）是形態學操作的一種，膨脹的圖減去侵蝕的圖，通常用於檢測物體的邊緣。它是膨脹操作和侵蝕操作的差異。

import cv2
import numpy as np

# 讀取影像
image = cv2.imread('your_image.jpg', cv2.IMREAD_GRAYSCALE)

# 定義膨脹的結構元素
dilation_kernel = np.ones((5, 5), np.uint8)

# 定義侵蝕的結構元素
erosion_kernel = np.ones((5, 5), np.uint8)

# 進行膨脹操作
dilated_image = cv2.dilate(image, dilation_kernel, iterations=1)

# 進行侵蝕操作
eroded_image = cv2.erode(image, erosion_kernel, iterations=1)

# 形態學梯度運算：膨脹的結果減去侵蝕的結果
morphological_gradient = cv2.subtract(dilated_image, eroded_image)

# 顯示原始影像、膨脹結果、侵蝕結果和形態學梯度結果
cv2.imshow('Original Image', image)
cv2.imshow('Dilated Image', dilated_image)
cv2.imshow('Eroded Image', eroded_image)
cv2.imshow('Morphological Gradient', morphological_gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()

梯度運算

還有其他形態學運算，例如開運算、閉運算、禮帽運算、黑帽運算。就下章節在揭曉囉