使用Python達成影像形態學處理(不使用Opencv函式庫)

 1.   研究動機

在進入專題實驗室時，觀看DeltaMOOCx的線上課程，看到形態學的操作，覺得使用函式可以快速的達成功能，但是我不禁思考如果不使用函式，自己是否可以完成，本研究使用opencv的cv2.getStructuringElement()、cv2.erode()、cv2.dilate()、cv2.morphologyEx()函式當作對照組與不使用函式之結果進行比較。

2.   研究步驟

2.1結構元素(Structures Element)

結構元素為型態學的必備元素，結構元素的大小可以使用者自訂，opencv函式中可以自訂為交叉、長方形、橢圓形，本研究對照組的opencv函式中使用的結構元素為3x3的交叉區塊，因此不使用opencv函式的實驗組的結構元素也為3x3的交叉區塊。

2.2膨脹(Dilation)

膨脹操作是將結構元素逐個像素的由上而下、由左至右的掃描，假如結構元素的原點與被掃描圖像該點像素值相同，則將整個結構元素覆蓋至該圖像。

圖一 形態學膨脹操作

2.3侵蝕(Erosion)

侵蝕操作是將結構元素逐個像素的由上而下、由左至右的掃描，假如整個結構元素與被掃描圖像像素值相同，則將結構元素的原點覆蓋至該圖像。

圖二 形態學侵蝕操作

2.4斷開(Open)

先侵蝕，接著再膨脹。

圖三 形態學斷開操作

2.5閉合(Close)

先膨脹，接著再侵蝕。

圖四 形態學閉合操作

3.   實驗結果

以下是實驗組與對照組的結果表格:

4.   結論

經過了形態學的練習，不管事程式亦或是觀念都有一定的提升，我覺得可以把結構元素跟    圖像做捲積，再做加減運算，或許可以達成更快的速度。線上課程中，還有教到濾波，邊緣偵測等影像處理的方法，也是日後挑戰的題目。