【youcans 的 OpenCV 例程200篇】142. 基于灰度形态学的图像平滑-CFANZ编程社区

【youcans 的 OpenCV 例程200篇】142. 基于灰度形态学的图像平滑

5.4 灰度形态学之图像平滑

由于开运算和闭运算对亮细节和暗细节的抑制作用，对图像先后做开运算和闭运算可以有效地抑制细节，实现平滑图像和去除噪声。

使用开运算和闭运算做形态平滑，就是循环交替地执行开运算和闭运算的操作。

把图像像素点的灰度值视为高度，整个图像就像一张高低起伏的地形图。形态学平滑就是不断地挖掉高峰、填平低谷，因此起到了平整地形的功效。

通过开运算、闭运算的交替操作实现形态学平滑，可以定义为：

$M_{smooth}(f) = (f \circ _g b) \bullet _g b$

例程 10.33：基于灰度形态学的图像平滑

均匀光照对于从背景中提取目标十分重要，顶帽变换的重要用途就是校正不均匀光照的影响。

本例图像是在非均匀光照条件下拍摄的，图像底部和右侧的暗色区域比较明显。

如果直接用 Otsu 最优阈值处理方法对灰度图像进行二值化处理，在暗区域的分割出现错误，一些米粒未能从背景中提取出来，而在左上角的亮区域则把部分背景理解为米粒。

我们可以先对图像进行顶帽运算，减弱图像中亮端和暗端的差别，再用 Otsu 最优阈值处理方法进行二值化处理，就可以得到正确的阈值处理结果。

    # 10.33: 基于灰度形态学的图像平滑
    imgGray = cv2.imread("../images/Fig0938a.tif", flags=0)  # flags=0 灰度图像

    # 用不同半径圆形结构元依次交替进行开运算-闭运算实现图像平滑
    kSize = (2, 2)
    element = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, kSize)  # 圆形结构元
    imgOpen1 = cv2.morphologyEx(imgGray, cv2.MORPH_OPEN, element)  # 灰度开运算
    imgClose1 = cv2.morphologyEx(imgOpen1, cv2.MORPH_CLOSE, element)  # 灰度闭运算
    imgIter = imgGray.copy()  # 循环交替进行开运算-闭运算
    for i in range(10):
        imgIter = cv2.morphologyEx(imgIter, cv2.MORPH_OPEN, element)
        imgIter = cv2.morphologyEx(imgIter, cv2.MORPH_CLOSE, element)

    plt.figure(figsize=(10, 6))
    plt.subplot(131), plt.title("Origin"), plt.axis('off')
    plt.imshow(imgGray, cmap='gray', vmin=0, vmax=255)
    plt.subplot(132), plt.title("Opening-closing (ksize=2)"), plt.axis('off')
    plt.imshow(imgClose1, cmap='gray', vmin=0, vmax=255)
    plt.subplot(133), plt.title("Opening-closing (iter=10)"), plt.axis('off')
    plt.imshow(imgIter, cmap='gray', vmin=0, vmax=255)
    plt.tight_layout()
    plt.show()