[python opencv 计算机视觉零基础到实战]二十、镜像、腐蚀、膨胀、开运算、闭运算

一、学习目标

1. 了解图片如何进行镜像
2. 了解图片如何进行腐蚀
3. 了解图片如何进行膨胀
4. 了解图片如何进行开运算
5. 了解图片如何进行闭运算

上一节：[python opencv 计算机视觉零基础到实战]二十、图片缩放、位移、旋转

二、了解图片的一般操作（镜像、腐蚀、膨胀、开运算、闭运算）

2.1 了解如何对图片进行镜像操作

在opencv中，我们可以对图片进行镜像操作，镜像是指两个图片某一点开始进行对称。图片的镜像操作其实也是对图像数据进行的操作。
首先读取图片，并且创建一个可拖动的窗口，为了防止镜像后图片过大不利于观察：

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\mx\Desktop\1.jpg')
cv2.namedWindow("Image",cv2.WINDOW_NORMAL)

随后获取图片的宽高以及通道，这是因为我们需要对一些数据进行操作，操作的话一定是需要宽高的。我们即将通过宽高创建一张图片，如果我们需要上下镜像，那么就是高度是原来图片的2倍长度。代码如下：

cv2.imshow('src', img)
imgshape = img.shape
height= imgshape[0]
width = imgshape[1]
c = imgshape[2]

随后创建一张高度2的图片，我们需要在这张图片中显示图片镜像的内容，如果镜像是上下进行镜像那么则是高度需要2：

代码如下：

dst = np.zeros([height*2, width, c], np.uint8)

之后就简单了，通过循环嵌套遍历图片的内容，并且从图片的第一列第一行开始给予数据，由于我们的图片是镜像的，所以第一列第一行所需要对称于最后一列最后一行：

代码如下：

for i in range( height ):
    for j in range( width ):
        dst[i,j] = img[i,j]
        dst[height*2-i-1,j] = img[i,j]

以上代码中dst[i,j] = img[i,j]为正常从第一行第一列开始往下对图片进行赋值，dst[height*2-i-1,j] = img[i,j]则表示从最下面一行开始网上赋值，所以height*2-i-1则依次表示从下网上的位置信息。完整代码如下：

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\mx\Desktop\1.jpg')
cv2.namedWindow("Image",cv2.WINDOW_NORMAL)

imgshape = img.shape
height= imgshape[0]
width = imgshape[1]
c = imgshape[2]
dst = np.zeros([height*2, width, c], np.uint8)

for i in range( height ):
    for j in range( width ):
        dst[i,j] = img[i,j]
        dst[height*2-i-1,j] = img[i,j]
cv2.imshow('Image', dst)
cv2.imshow('src', img)
cv2.waitKey(0)

结果如下：

左右镜像和上下镜像相同，只需要将宽度改为2倍宽，循环的时候从最右边进行赋值依次赋值即可，然后长度宽度的循环位置调换一下即可，代码如下：

dst = np.zeros([height, width*2, c], np.uint8)

for i in range( width ):
    for j in range( height ):
        dst[j,i] = img[j,i]
        dst[j,width*2-i-1] = img[j,i]

结果如下：

2.2 了解如何对图片进行腐蚀操作

腐蚀是OpenCV中的形态学操作，腐蚀需要使用erode函数。腐蚀可以使眼色对比突出，但在某些图片上使用腐蚀会适得其反。例如如下案例：

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\mx\Desktop\1.jpg')
cv2.namedWindow("Image",cv2.WINDOW_NORMAL)
cv2.namedWindow("img_erode",cv2.WINDOW_NORMAL)

cv2.imshow('Image', img)
img_erode = cv2.erode(img,None,iterations=1)
cv2.imshow('img_erode',img_erode) 
cv2.waitKey()

以上代码中，腐蚀使用了erode函数，erode函数的iterations参数越大，腐蚀效果越明显，以下是为1时的腐蚀效果，我们发现在图案边缘处会有明显的黑边。

我们将iterations改为2：

img_erode = cv2.erode(img,None,iterations=2)

效果如下：
我们换一张图片：

2.3 了解如何对图片进行膨胀操作

膨胀操作的简单使用也是非常简单，使用dilate方法，用法与erode类似。膨胀操作也是用如其名，就是变胖。代码如下：

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\mx\Desktop\sss11.png')
cv2.namedWindow("Image",cv2.WINDOW_NORMAL)
cv2.namedWindow("img_dilate",cv2.WINDOW_NORMAL)

cv2.imshow('Image', img)
img_dilate = cv2.dilate(img,None,iterations=2)
cv2.imshow('img_dilate',img_dilate) 
cv2.waitKey()

效果如下：

2.4 了解如何对图片进行开运算与闭运算操作

先腐蚀后膨胀叫做开运算，可以用于降噪。开运算使用morphologyEx函数，需要传入一个卷积核。完整代码如下：

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\mx\Desktop\5566.png')
cv2.namedWindow("Image",cv2.WINDOW_NORMAL)
cv2.namedWindow("img_dilate",cv2.WINDOW_NORMAL)
kn=np.ones((5,5),np.uint8)#卷积核
cv2.imshow('Image', img)
img_dilate = cv2.morphologyEx(img,cv2.MORPH_OPEN,kn)
cv2.imshow('img_dilate',img_dilate) 
cv2.waitKey()

以上morphologyEx方法传入了img需要操作的图片，MORPH_OPEN表示需要进行的操作，此处为开运算，kn为卷积核。其它代码不再赘述。
结果如下：

闭运算一般可以取出前景物体中的小点，跟开运算用法没什么太大区别，就更改了一个方法而已，完整代码如下：

import cv2
import numpy as np
o=cv2.imread("image\\closing.bmp",cv2.IMREAD_UNCHANGED)
k=np.ones((5,5),np.uint8)
r=cv2.morphologyEx(o,cv2.MORPH_CLOSE,k)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

结果如下：

通过对比我们明显看到，前景内容中的黑点没了。

三、总结

1. 了解图片进行镜像需要创建一张图片，上下镜像则需要高度2，左右镜像则需要宽度按2
2. 了解图片进行腐蚀使用erode方法
3. 了解图片进行膨胀需要使用dilate方法
4. 了解图片进行开运算需要使用morphologyEx方法，传参cv2.MORPH_OPEN
5. 了解图片进行开运算需要使用morphologyEx方法，传参cv2.MORPH_CLOSE