小杰机械视觉（two day）—— 形态学变换，颜色替换， ROI切割

        形态学变换（Morphological Transformations）是一种基于形状的简单变换，它的处理对象通常是二值化后（白色前景，黑色背景）的图像。

形态学变换需要两个输入：

• 源图像（二值化）
• 核（结构化元素）

输出为形态学变换后的图像：

• 腐蚀        位与操作
• 膨胀        位或操作

上面两种形态学变换的处理结果是相反的，腐蚀会让较亮的元素变少，膨胀会让较亮的元素变多。

（2）核

        为一个小区域，且为奇数矩阵，在本章形态学内，核会增加结构

其结构为三类：

（3）代码

import cv2
import numpy as np

if __name__ == '__main__':
    # 1. 图片输入
    path = 'image.png'
    image_np = cv2.imread(path)

    # 2. 灰度化
    image_np_gray = cv2.cvtColor(image_np, cv2.COLOR_BGR2GRAY)

    # 3. 二值化
    ret, image_np_thresh = cv2.threshold(image_np_gray, 127, 255, cv2.THRESH_BINARY)

    # 4. 形态操作
    # 创建一个核
    kernel = cv2.getStructuringElement(
        cv2.MORPH_ELLIPSE,  # 核的形状
        (3, 3)  # 核的尺寸
    )
    print(kernel)
    # 腐蚀使用erode函数，膨胀使用dilate函数
    # 返回值是形态处理之后的图像
    morph_image = cv2.dilate(
        image_np_thresh,  # 二值化图像
        kernel  # 核
    )

    # 5. 图像输出
    cv2.imshow('morph_image',morph_image)
    cv2.waitKey(0)

腐蚀掉空心星星，尽量让实心星星形状保持原样（颜色无所谓）。

import cv2
# From 25072 张家豪

if __name__ == '__main__':
    path = 'star.png'
    img = cv2.imread(path)
    # 灰度化
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # OTSU二值化
    _, img_binary = cv2.threshold(img_gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
    # 创建一个核
    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 9))
    # 腐蚀
    eroded = cv2.erode(img_gray, kernel)
    # # 膨胀
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
    dilated = cv2.dilate(eroded, kernel)
    # 使用CV2绘图
    cv2.imshow('eroded', dilated)
    cv2.waitKey(0)

2.颜色的识别

（1）RGB颜色空间

（2）HSV颜色空间

2.颜色的替换

（1）开闭操作

开操作        先腐蚀，后膨胀        cv2.MORPH_OPEN

特点：   1.降噪，2.断开细小连接

闭操作（用的少）        cv2.MORPH_CLOSE

（

（2）颜色替换

例：

import cv2
import numpy as np

if __name__ == '__main__':
    # 1. 图片输入
    path = 'Circles.png'
    image_np = cv2.imread(path)

    # 2. HSV空间转换
    hsv_image_np = cv2.cvtColor(image_np, cv2.COLOR_BGR2HSV)
    print(hsv_image_np.shape)
    # print(hsv_image_np)

    # 3. 制作掩膜
    # 定义红色范围1
    red_low = np.array([0, 43, 46])
    red_high = np.array([10, 255, 255])
    # 制作掩膜1
    mask1 = cv2.inRange(
        hsv_image_np,  # 基于哪个图像
        red_low,  # 下限
        red_high  # 上限
    )
    print(mask1.shape)
    print(mask1)
    # 定义红色范围2
    red_low = np.array([156, 43, 46])
    red_high = np.array([180, 255, 255])
    # 制作掩膜2
    mask2 = cv2.inRange(
        hsv_image_np,  # 基于哪个图像
        red_low,  # 下限
        red_high  # 上限
    )

    # 合并掩膜
    mask_image_np = cv2.bitwise_or(mask1, mask2)
    print(mask_image_np.shape)
    print(mask_image_np)

    # 4. 开运算
    # 创建一个核
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    # 开运算
    open_image_np = cv2.morphologyEx(
        src=mask_image_np,  # 需要计算的二值化图像
        op=cv2.MORPH_OPEN,  # 开操作还是闭操作cv2.MORPH_CLOSE
        kernel=kernel  # 核
    )

    # 7. 颜色替换
    for i in range(open_image_np.shape[0]):
        for j in range(open_image_np.shape[1]):
            # 如果当前遍历的像素点是掩膜的白色
            if open_image_np[i, j] == 255:
                # 给原图进行颜色替换为蓝色
                image_np[i, j] = (255, 0, 0)

    # 6. 图片输出
    cv2.imshow('mask_image_np', mask_image_np)
    cv2.imshow('open_image_np', open_image_np)
    cv2.imshow('image_np',image_np)
    cv2.waitKey(0)

3. ROI 切割   cv2.rectangle()

具体操作：有切割时具体线宽

# 框的宽度

line_width = 2

image_np_copy = image_np.copy()

# 画出ROI区域

cv2.rectangle(

image_np,

(x_min, y_min),

(x_max, y_max),

(0, 0, 255),

line_width

)

# 切片(左闭右开)

ROI_imge = image_np_copy[y_min:y_max, x_min:x_max]

例：

import cv2
import numpy as np

if __name__ == '__main__':
    # 1. 图片输入
    path = 'kunkun.png'
    # 因为ROI区域可能越界，可以加入异常处理机制
    try:
        image_np = cv2.imread(path)
        # 获得图像尺寸
        (h, w, _) = image_np.shape
        print(h, w)

        # 2. 图片切割
        x_min, x_max = 510, 602
        y_min, y_max = 271, 361

        # 判断ROI区域是否合理
        if not ((x_min > 0) and (x_max < w) and (y_min > 0) and (y_max < h)):
            raise OverflowError('范围越界！！！')
        if (x_min >= x_max) or (y_min >= y_max):
            raise ValueError("最值错误！！！")

        # 框的宽度
        line_width = 2
        image_np_copy = image_np.copy()
        # 画出ROI区域
        cv2.rectangle(
            image_np,
            (x_min, y_min),
            (x_max, y_max),
            (0, 0, 255),
            line_width
        )

        # 切片(左闭右开)
        ROI_imge = image_np_copy[y_min:y_max, x_min:x_max]

        # 3. 图片输出
        cv2.imshow('image_np', image_np)
        cv2.imshow('ROI_imge', ROI_imge)
        cv2.waitKey(0)

    except Exception as e:
        # 如果出错，弹出错误信息
        print('错误信息：', e)