一、学习目标
- 了解图片如何进行镜像
- 了解图片如何进行腐蚀
- 了解图片如何进行膨胀
- 了解图片如何进行开运算
- 了解图片如何进行闭运算
目录
「python opencv 计算机视觉零基础实战」 第一节
「python opencv视觉入门到实战」二、格式与摄像头
「python opencv 视觉入门到实战」 三、图像编辑
「python opencv视觉入门到实战」 第四节色彩空间
「python opencv视觉零基础到实战」 六、图像运算
「python opencv视觉零基础实战」 七逻辑运算应用
「python opencv视觉零到实战」 八、图片选区操作
「python opencv计算机视觉零基础到实战」 九模糊
「python opencv视觉零基础」 十、图片效果毛玻璃
「python opencv视觉零基础」 十一、指定内容查找
「python opencv视觉零基础」十四、直方图反向投影
「python opencv视觉入门」十五用opencv画画
「python opencv视觉入门」 十九、简易绘画板制作
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。腐蚀可以使颜色对比突出，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
- 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
- 了解图片进行腐蚀使用erode方法
- 了解图片进行膨胀需要使用dilate方法
- 了解图片进行开运算需要使用morphologyEx方法，传参cv2.MORPH_OPEN
- 了解图片进行开运算需要使用morphologyEx方法，传参cv2.MORPH_CLOSE
本文首发于ebaina，可查看链接了解更多
