Opérations morphologiques d'image OpenCV

Les opérations morphologiques d'image sont une technique importante en traitement d'image, principalement utilisées pour traiter les images binaires (c'est-à-dire les images en noir et blanc).

Les opérations morphologiques d'image dans OpenCV sont des outils importants en traitement d'image. Grâce à des opérations telles que l'érosion, la dilatation, l'ouverture, la fermeture et le gradient morphologique, des effets comme la suppression du bruit, la séparation d'objets et la détection de contours peuvent être obtenus. La maîtrise de ces opérations aide à mieux traiter et analyser les données d'image.

Voici les opérations morphologiques couramment utilisées dans OpenCV et leurs fonctions :

OpérationFonctionDescriptionScénario d’application
Érosioncv2.erode()Utiliser un élément structurant pour parcourir l'image. Si la zone couverte par l'élément structurant est entièrement au premier plan, le pixel central est conservé.Supprimer le bruit, séparer les objets.
Dilatationcv2.dilate()Utiliser un élément structurant pour parcourir l'image. Si la zone couverte par l'élément structurant contient du premier plan, le pixel central est conservé.Connecter les objets brisés, combler les trous.
Opération d'ouverturecv2.morphologyEx()Érosion suivie d'une dilatation.Supprimer les petits objets, lisser les contours des objets.
Opération de fermeturecv2.morphologyEx()Dilatation suivie d'une érosion.Combler les petits trous, relier les objets adjacents.
Gradient morphologiquecv2.morphologyEx()Image dilatée moins image érodée.Extraire les contours des objets.
Opération Top Hatcv2.morphologyEx()Image originale moins le résultat de l'ouverture.Extraire les petits objets plus lumineux que l'arrière-plan.
Opération Black Hatcv2.morphologyEx()Résultat de la fermeture moins l'image originale.Extraire les petits objets plus sombres que l'arrière-plan.

1. Érosion (cv2.erode())

L'érosion est un processus qui rétrécit les objets de premier plan dans une image.

L'opération d'érosion convolue l'élément structurant avec l'image. Ce n'est que lorsque l'élément structurant recouvre complètement les pixels de premier plan de l'image que le pixel central est conservé ; sinon, il est érodé.

Prototype de fonction

cv2.erode(src, kernel, iterations=1)
  • src: Image d'entrée, généralement une image binaire.
  • kernel: Élément structurant, peut être personnalisé ou utilisécv2.getStructuringElement()Généré.
  • iterations: Nombre d'opérations d'érosion, par défaut 1.

Exemple

import cv2
import numpy as np

# Lire l'image
image = cv2.imread('image.png', 0)

# Définir l'élément structurant
kernel = np.ones((5,5), np.uint8)

# Opération d'érosion
eroded_image = cv2.erode(image, kernel, iterations=1)

# Afficher le résultat
cv2.imshow('Eroded Image', eroded_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

L'opération d'érosion réduit les objets de premier plan dans l'image et ronge les bords. Elle est souvent utilisée pour supprimer le bruit ou séparer des objets connectés.

2. Dilatation (cv2.dilate())

La dilatation est l'opposé de l'érosion ; c'est un processus qui agrandit les objets du premier plan dans une image.

L'opération de dilatation effectue une convolution entre l'élément structurant et l'image. Tant que l'élément structurant chevauche des pixels du premier plan dans l'image, le pixel central est conservé.

Prototype de fonction

cv2.dilate(src, kernel, iterations=1)
  • src: Image d'entrée, généralement une image binaire.
  • kernel: Élément structurant, peut être personnalisé ou utilisécv2.getStructuringElement()Généré.
  • iterations: Nombre d'opérations de dilatation, la valeur par défaut est 1.

Exemple

import cv2
import numpy as np

# Lire l'image
image = cv2.imread('image.png', 0)

# Définir l'élément structurant
kernel = np.ones((5,5), np.uint8)

# Opération de dilatation
dilated_image = cv2.dilate(image, kernel, iterations=1)

# Afficher le résultat
cv2.imshow('Image dilatée', dilated_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

L'opération de dilatation agrandit les objets du premier plan dans l'image et dilate les bords. Elle est souvent utilisée pour remplir les trous dans les objets du premier plan ou pour connecter des objets fragmentés.

3. Opération d'ouverture (cv2.morphologyEx() avec cv2.MORPH_OPEN)

L'ouverture est une opération combinée d'érosion suivie de dilatation.

L'ouverture est principalement utilisée pour supprimer les petits bruits dans une image ou séparer des objets connectés.

Prototype de fonction

cv2.morphologyEx(src, op, kernel)
  • src: Image d'entrée, généralement une image binaire.
  • op: Type d'opération morphologique, l'ouverture utilisecv2.MORPH_OPEN。
  • kernel: Élément structurant, peut être personnalisé ou utilisécv2.getStructuringElement()Généré.

Exemple

import cv2
import numpy as np

# Lire l'image
image = cv2.imread('image.png', 0)

# Définir l'élément structurant
kernel = np.ones((5,5), np.uint8)

# Opération d'ouverture
opened_image = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)

# Afficher le résultat
cv2.imshow('Image ouverte', opened_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

L'ouverture peut supprimer les petits bruits dans une image tout en conservant les principaux objets du premier plan.

4. Opération de fermeture (cv2.morphologyEx() avec cv2.MORPH_CLOSE)

La fermeture est une opération combinée de dilatation suivie d'une érosion.

La fermeture est principalement utilisée pour remplir les petits trous dans les objets du premier plan ou connecter des objets brisés.

Prototype de fonction

cv2.morphologyEx(src, op, kernel)
  • src: Image d'entrée, généralement une image binaire.
  • op: Type d'opération morphologique, la fermeture utilisecv2.MORPH_CLOSE。
  • kernel: Élément structurant, peut être personnalisé ou utilisécv2.getStructuringElement()Généré.

Exemple

import cv2
import numpy as np

# Lire l'image
image = cv2.imread('image.png', 0)

# Définir l'élément structurant
kernel = np.ones((5,5), np.uint8)

# Opération de fermeture
closed_image = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)

# Afficher le résultat
cv2.imshow('Image fermée', closed_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

La fermeture peut remplir les petits trous dans les objets du premier plan tout en conservant les principaux objets du premier plan.

5. Gradient morphologique (cv2.morphologyEx() avec cv2.MORPH_GRADIENT)

Le gradient morphologique est la différence entre l'image dilatée et l'image érodée.

Le gradient morphologique est principalement utilisé pour extraire les contours des objets au premier plan dans une image.

Prototype de fonction

cv2.morphologyEx(src, op, kernel)
  • src: Image d'entrée, généralement une image binaire.
  • op: Type d'opération morphologique, le gradient morphologique utilisecv2.MORPH_GRADIENT。
  • kernel: Élément structurant, peut être personnalisé ou utilisécv2.getStructuringElement()Généré.

Exemple

import cv2
import numpy as np

# Lire l'image
image = cv2.imread('image.png', 0)

# Définir l'élément structurant
kernel = np.ones((5,5), np.uint8)

# Gradient morphologique
gradient_image = cv2.morphologyEx(image, cv2.MORPH_GRADIENT, kernel)

# Afficher le résultat
cv2.imshow('Image de gradient', gradient_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

Le gradient morphologique peut extraire les contours des objets au premier plan dans une image et est souvent utilisé pour la détection de contours.

Autres extensions