opencv - 形态学运算 (OpenCV) 中的迭代与内核大小

Question

我一直在 OpenCV 中使用 morph opening 来通过 opencv 减少图像中 ROI 之外的噪声，直到现在，每当我需要更高程度的降噪时，我只是随机增加内核大小或增加迭代次数，直到我满意为止。结果是否有显着差异，具体取决于您增加了哪些/您将如何决定在给定情况下更改哪些？除了猜测和检查之外，我正在尝试想出一种更好的方法来更改(更改多少)参数。

Answer 1

这取决于内核类型。对于奇方核的扩张或侵 eclipse ，无论是增加大小还是增加迭代次数都没有区别(假设使用的值会使它们相等)。例如:

>>> M = np.zeros((7,7), dtype=np.uint8)
>>> M[3,3] = 1

>>> k1 = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
>>> M1 = cv2.dilate(M, k1, iterations=2)

>>> k2 = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
>>> M2 = cv2.dilate(M, k2, iterations=1)

>>> M1
[[0 0 0 0 0 0 0]
 [0 1 1 1 1 1 0]
 [0 1 1 1 1 1 0]
 [0 1 1 1 1 1 0]
 [0 1 1 1 1 1 0]
 [0 1 1 1 1 1 0]
 [0 0 0 0 0 0 0]]

>>> M2
[[0 0 0 0 0 0 0]
 [0 1 1 1 1 1 0]
 [0 1 1 1 1 1 0]
 [0 1 1 1 1 1 0]
 [0 1 1 1 1 1 0]
 [0 1 1 1 1 1 0]
 [0 0 0 0 0 0 0]]

这是相当直观的。用于膨胀的 3x3 矩形内核会找到任何白色像素，并将相邻像素变为白色。所以很容易看出，这样做两次会使任何一个白色像素变成一个 5x5 的白色像素 block 。这里我们假设中心像素是被比较的像素—— anchor ——但这可能会改变，这可能会影响结果。例如，假设您将 (2, 2) 内核的两次迭代与 (3, 3) 内核的一次迭代进行比较:

>>> M = np.zeros((5, 5), dtype=np.uint8)
>>> M[2,2] = 1

>>> k1 = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2))
>>> M1 = cv2.dilate(M, k1, iterations=2)

>>> k2 = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
>>> M2 = cv2.dilate(M, k2, iterations=1)

>>> M1
[[0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 1 1 1]
 [0 0 1 1 1]
 [0 0 1 1 1]]

>>> M2
[[0 0 0 0 0]
 [0 1 1 1 0]
 [0 1 1 1 0]
 [0 1 1 1 0]
 [0 0 0 0 0]]

您可以看到，虽然它创建了形状(直观)，但它们并不在同一位置(非直观)。那是因为 (2, 2) 内核的 anchor 不能位于内核的中心——在这种情况下，我们看到对于居中像素，扩张的邻居仅对右下角，因为它必须选择一个方向，因为它只能扩展单个像素以填充 (2, 2) 正方形。

对于非矩形内核，事情变得更加棘手。例如:

>>> M = np.zeros((5, 5), dtype=np.uint8)
>>> M[2,2] = 1

>>> k1 = cv2.getStructuringElement(cv2.MORPH_CROSS, (3, 3))
>>> M1 = cv2.dilate(M, k1, iterations=2)

>>> k2 = cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 5))
>>> M2 = cv2.dilate(M, k2, iterations=1)

>>> M1
[[0 0 1 0 0]
 [0 1 1 1 0]
 [1 1 1 1 1]
 [0 1 1 1 0]
 [0 0 1 0 0]]

>>> M2
[[0 0 1 0 0]
 [0 0 1 0 0]
 [1 1 1 1 1]
 [0 0 1 0 0]
 [0 0 1 0 0]]

M1 的第一遍创建了一个高 3 像素、宽 3 像素的小十字。但随后这些像素中的每一个都会在其位置创建一个十字，这实际上创建了一个菱形图案。

所以总结一下基本的形态学操作，对于矩形核，至少是奇数维的核，结果是一样的---但是对于其他核，结果是不同的。您可以将其他形态学操作应用于像这样的简单示例，以了解它们的行为方式、您应该使用哪些以及如何增强它们的效果。