[v0.21]영상처리_모폴로지(Morphology) 연산

220110 작성

<본 블로그는 귀퉁이 서재님의 블로그를 참고해서 공부하며 작성하였습니다>

https://bkshin.tistory.com/entry/OpenCV-19-%EB%AA%A8%ED%8F%B4%EB%A1%9C%EC%A7%80Morphology-%EC%97%B0%EC%82%B0-%EC%B9%A8%EC%8B%9D-%ED%8C%BD%EC%B0%BD-%EC%97%B4%EB%A6%BC-%EB%8B%AB%ED%9E%98-%EA%B7%B8%EB%A0%88%EB%94%94%EC%96%B8%ED%8A%B8-%ED%83%91%ED%96%87-%EB%B8%94%EB%9E%99%ED%96%87?category=1148027 

OpenCV - 19. 모폴로지(Morphology) 연산 (침식, 팽창, 열림, 닫힘, 그레디언트, 탑햇, 블랙햇)

 

 

 

 

모폴로지(morphology)

: '형태학'

: 영상 분야에서 노이즈 제거, 구멍 채우기, 끊어진 선 이어 붙이기 등 형태학적 연산

: 모폴로지 연산은 검은색과 흰색으로만 구성되어 있는 바이너리(binary) 이미지에 적용

: 침식, 팽창, 열림, 닫힘

 

 

 

1. 침식 연산 (Erode)

: 이미지를 깎아 내는 연산

: 작은 물체는 아예 없애버리므로 노이즈 제거 효과

원래는 떨어져 있는 물체인데 겹쳐 있는 것을 서로 떼어내는 데도 효과

: 구조화 요소 커널(structuring element kernel)이라는 0과 1로 구성된 커널이 필요

: 구조화 요소 커널은 1이 채워진 모양에 따라 사각형, 타원형, 십자형 등으로 사용

: 입력 이미지에 적용해서 1로 채워진 영역을 온전히 올려 놓을 수 없으면

해당 픽셀을 0으로 변경

출처: http://blog.daum.net/shksjy/314

- 십자형 구조화 요소 커널로 침식 연산을 하는 과정

: A 이미지에서 흰색 배경은 0이고, 하늘색 전경은 1

: B는 십자형 구조화 요소 커널

: 십자형 구조화 요소 커널의 중심부(빨간 점 부분)는 A 이미지의 파란색 부분을 쭉 훑는다

: 한 칸 한 칸 훑으면서 구조화 요소 커널이 A 이미지의 하늘색 부분과 완전히 겹치지 않을 때는 0으로 변경

: 완전히 겹치면 1로 그대로

 

cv2.getStructuringElement(shape, ksize, anchor)

: 구조화 요소 커널 생성을 위한 함수

- shape : 구조화 요소 커널 모양

• cv2.MORPH_RECT : 사각형
• cv2.MORPH_EPLIPSE: 타원형
• cv2.MORPH_CROSS : 십자형

- ksize : 커널 크기

- anchor(optional) : 구조화 요소의 기준점, cv2.MORPH_CROSS에만 의미 있으며 기본 값은 중심점 (-1, -1)

 

dst = cv2.erode(src, kernel, anchor, iterations, borderType, borderValue)

: 침식 연산을 수행하는 함수

- src : 입력 영상, 바이너리

- kernel : 구조화 요소 커널

- anchor(optional) : cv2.getStructuringElement()와 동일 

- iterations(optional) : 침식 연산 적용 반복 횟수

- boderType(optional) : 외곽 영역 보정 방법

- boderValue(optional) : 외곽 영역 보정 값

# 침식 연산 (morph_erode.py)

import cv2
import numpy as np

img = cv2.imread('img/morphology.JPG')

# 구조화 요소 커널, 사각형 (3x3) 생성 ---①
k = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
# 침식 연산 적용 ---②
erosion = cv2.erode(img, k)

# 결과 출력
merged = np.hstack((img, erosion))
cv2.imshow('Erode', merged)
cv2.waitKey(0)
cv2.destroyAllWindows()

침식 연산을 위한 구조화 요소 커널은 3 x 3의 사각형 모양으로 생성

- 가늘어진당

=> 침식은 어두운 부분의 노이즈를 제거하는 효과

 

 

 

 

2. 팽창 연산 (Dilatation)

: 침식과 반대로 물체의 주변을 확장하는 연산

: 완전히 겹치지 않으면 1로 변경

완전히 겹치지 않으면 1로 변경

dst = cv2.dilate(src, kernel, dst, anchor, iterations, bordeType, borderValue)

: 모든 파라미터는 cv2.erode()와 동일

# 팽창 연산
import cv2
import numpy as np

img = cv2.imread('img/dilate.JPG')

# 구조화 요소 커널, 사각형 (3x3) 생성 ---①
k = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
# 팽창 연산 적용 ---②
dst = cv2.dilate(img, k)

# 결과 출력
merged = np.hstack((img, dst))
cv2.imshow('Dilation', merged)
cv2.waitKey(0)
cv2.destroyAllWindows()

 물체의 주변을 확장하는 팽창 연산

- 검정 노이즈 없어짐

- 왜냐면 흰색이 바깥, 안으로 팽창되어 뚱땡이가 됨

=> 팽창은 밝은 부분의 노이즈를 제거하는 효과

 

 

 

 

3. 열림, 닫힘, 그레디언트, 탑햇, 블랙햇 연산

1) 열림(opening) 연산

: 침식 연산 후 팽창 연산을 적용하는 것

: 주변보다 밝은 노이즈를 제거

: 독립된 개체를 분리하거나 돌출된 모양을 제거하는 데 효과적

 

2) 닫힘(closing) 연산

: 팽창 연산 후 침식 연산을 적용하는 것

: 주변보다 어두운 노이즈를 제거

: 효과적이면서 끊어져 보이는 개체를 연결하거나 구멍을 메우는 데 효과적

 

3) 그레디언트(gradient) 연산

: 팽창 연산을 적용한 이미지에서 침식 연산을 적용한 이미지를 빼면 경계 픽셀만 얻게 됨

: 그레디언트 = 팽창 - 침식

 

4) 탑햇(top hat)

: 원본에서 열림 연산 적용 결과를 빼면 값이 크게 튀는 밝은 영역을 강조

: 탑햇 = 원본 - 열림

 

5) 블랙햇(black hat) 연산

: 닫힘 연산 적용 결과에서 원본을 빼면 어두운 부분을 강조

: 블랙햇 = 닫힘 - 원본

 

dst = cv2.morphologyEx(src, op, kernel, dst, anchor, iteration, borderType, borderValue)
- src : 입력 영상
- op : 모폴로지 연산 종류

• cv2.MORPH_OPEN : 열림 연산
• cv2.MORPH_COLSE : 닫힘 연산
• cv2.MORPH_GRADIENT : 그레디언트 연산
• cv2.MORPH_TOPHAT : 탑햇 연산
• cv2.MORPH_BLACKHAT : 블랙햇 연산

- kernel : 구조화 요소 커널
- dst(optional) : 결과 영상
- anchor(optional) : 커널의 기준점

- iteration(optional) : 연산 반복 횟수

- borderType(optional) : 외곽 영역 보정 방법

- borderValue(optional) : 외곽 영역 보정 값

# 열림과 닫힘 연산으로 노이즈 제거
import cv2
import numpy as np

img1 = cv2.imread('img/morphology.JPG', cv2.IMREAD_GRAYSCALE)
img2 = cv2.imread('img/dilate.JPG', cv2.IMREAD_GRAYSCALE)    

# ----------img resize---------------------
img1 = cv2.resize(img1, dsize = (288, 234))

# 구조화 요소 커널, 사각형 (5x5) 생성 ---①
k = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
# 열림 연산 적용 ---②
opening = cv2.morphologyEx(img1, cv2.MORPH_OPEN, k)
# 닫힘 연산 적용 ---③
closing = cv2.morphologyEx(img2, cv2.MORPH_CLOSE, k)

# 결과 출력
merged1 = np.hstack((img1, opening))
merged2 = np.hstack((img2, closing))
merged3 = np.vstack((merged1, merged2))
cv2.imshow('opening, closing', merged3)
cv2.waitKey(0)
cv2.destroyAllWindows()

열림과 닫힘 연산으로 노이즈 제거

- 완전 깔끔!

 

 

 

+) 팽창 연산에서 침식 연산을 뺀 그레디언트 연산

# 모폴로지 그레이언트
import cv2
import numpy as np

img = cv2.imread('img/heart.JPG')

# 구조화 요소 커널, 사각형 (3x3) 생성 ---①
k = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
# 열림 연산 적용 ---②
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, k)

# 결과 출력
merged = np.hstack((img, gradient))
cv2.imshow('gradient', merged)
cv2.waitKey(0)
cv2.destroyAllWindows()

 경계를 검출

 

 

 

 

+) 탑햇, 블랙햇 연산 적용

# 모폴로지 탑햇, 블랙햇 연산
import cv2
import numpy as np

img = cv2.imread('img/moon_gray.jpeg')

# 구조화 요소 커널, 사각형 (5x5) 생성 ---①
k = cv2.getStructuringElement(cv2.MORPH_RECT, (9,9))
# 탑햇 연산 적용 ---②
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, k)
# 블랫햇 연산 적용 ---③
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, k)

# 결과 출력
merged = np.hstack((img, tophat, blackhat))
cv2.imshow('tophat blackhat', merged)
cv2.waitKey(0)
cv2.destroyAllWindows()

                                        탑햇 연산                       블랙햇 연산

- 탑햇은 닭의 밝은 부분 강조

- 블랙햇은 달의 어두운 부분 강조

 

 

 

 

 

 

추억..

그림그리느라 혼났넹