最近因为《用python做科学计算》才接触python,就把以前经常碰到的问题，试着用python来解决，有一个图象处理的问题，就想用python先来处理试试。

根据PDF的 第十二章 2.2的形态学运算中的opencv_morphology_demo.py为例子，用到了

http://hyry.dip.jp:8000/scipybook/calc/docalc/35 的二值化实例，来进行图象处理，中间也请教了作者很多入门初级的问题...

主要是先进行二值化处理，然后最大连通域，最后进行形态学的处理

 

# -*- coding: utf-8 -*-

import pyopencv as cv

import numpy as np

from enthought.traits.api import HasTraits, Array, Enum, Int, Bool, Float, Range

from enthought.traits.ui.api import View, Item

import scipy.ndimage.measurements as M

class MorphologyDemo(HasTraits):

   structing_element = Array(shape=(3,3),dtype=np.uint8)

   process_type = Enum("dilate", "erode",

       "MORPH_OPEN", "MORPH_CLOSE", "MORPH_GRADIENT", "MORPH_TOPHAT",

"MORPH_BLACKHAT")

erzhi_method = Enum("ADAPTIVE_THRESH_MEAN_C","ADAPTIVE_THRESH_GAUSSIAN_C")

   yuzhi_type = Enum("THRESH_BINARY","THRESH_BINARY_INV","THRESH_MASK")

   blocksize = Range(5, 51, 11)

   canshu = Range(0, 20, 0)

   iter = Int(1)

   #bool = Bool(False)

   bool_dilate =Bool(False)

   bool_erode = Bool(False)

   bool_open = Bool(False)

   bool_close = Bool(False)

   bool_gradient = Bool(False)

   bool_tophat = Bool(False)

   bool_blackhat = Bool(False)

 

   view = View(

       Item("erzhi_method", label=u"平均算法"),

       Item("yuzhi_type", label=u"阈值类型"),

       Item("blocksize", label=u"块大小"),

       Item("canshu", label=u"参数"),

       Item("bool", label=u"是否进行形态学运算"),

       Item("structing_element", label=u"结构元素"),

       Item("process_type", label=u"处理类型"),

       Item("iter", label=u"迭代次数"),

       Item("bool_dilate",label=u"膨胀"),

       Item("bool_erode",label=u"腐蚀"),

       Item("bool_open",label=u"开环运算"),

       Item("bool_close",label=u"闭环运算"),

       Item("bool_gradient",label=u"GRADIENT"),

       Item("bool_tophat",label=u"TOPHAT"),

       Item("bool_blackhat",label=u"BLACKHAT"),

       title = u"Morphology Demo控制面板"

   )

 

   def __init__(self, *args, **kwargs):

       super(MorphologyDemo, self).__init__(*args, **kwargs)

       self.structing_element = np.ones((3,3), dtype=np.uint8)

       img = cv.imread("bag.png")

       cv.imshow("old",img)

       self.img = cv.Mat()

       cv.cvtColor(img, self.img, cv.CV_BGR2GRAY)

       self.on_trait_change(self.redraw,

        "erzhi_method,yuzhi_type,blocksize,canshu,structing_element,process_type,iter,bool,bool_erode,bool_dilate,bool_open,bool_close,bool_gradient,bool_tophat,bool_blackhat")

       #self.redraw()

 

 

   def redraw(self):

       print "redraw"

       img1 = cv.Mat()

       img2 = cv.Mat()

       method = getattr(cv,self.erzhi_method)

       yuzhi_type = getattr(cv,self.yuzhi_type)

       blocksize = self.blocksize/2*2+1

       cv.adaptiveThreshold(self.img, img1, 255, method, yuzhi_type,

                            blocksize, self.canshu)

       element = cv.asMat(self.structing_element, force_single_channel=True)

       array = np.array([[0,1,0],[1,1,1],[0,1,0]],dtype=np.uint8)

       element2 = cv.asMat(array, force_single_channel=True)

       label, n = M.label(img1[:])

       counts, edges = np.histogram(label, bins=n)

       label_list = np.where(counts > 100)[0][1:]

       index = np.zeros(n+1, dtype=np.int)

       index[label_list] = label_list

       label = index[label]

       img1[label==0] = 0

       if  self.bool_dilate:

            cv.dilate(img1, img2, element, iterations=self.iter)

            img1 = img2

       if self.bool_erode:

            cv.erode(img1, img2, element, iterations=self.iter)

            img1 = img2

       if self.bool_gradient:

            cv.morphologyEx(img1, img2, cv.MORPH_GRADIENT, element, iterations=self.iter)

            img1 = img2

       if self.bool_blackhat:

            cv.morphologyEx(img1, img2, cv.MORPH_BLACKHAT, element, iterations=self.iter)

            img1 = img2

       if self.bool_tophat:

            cv.morphologyEx(img1, img2, cv.MORPH_TOPHAT, element, iterations=self.iter)

            img1 = img2

       if self.bool_open:

            cv.morphologyEx(img1, img2, cv.MORPH_OPEN, element, iterations=self.iter)

            img1 = img2

       if self.bool_close:

            cv.morphologyEx(img1, img2, cv.MORPH_CLOSE, element, iterations=self.iter)

            img1 = img2

       cv.imshow("Morphology Demo",img1)

 

demo = MorphologyDemo()

demo.configure_traits()

在选择形态学计算时，只是用复选框简单的进行选择，形态学运算的顺序已经定了

学习当中主要是调用函数的参数类型造成了一些困难

还有就是红字部分：

刚开始认为已经定义了img,认为self.img就是img,就像在Class中定义了 blocksize,后面就可以用self. blocksize一样

adaptiveThreshold的src必须是单通道的灰度图片，因此需要用cvtColor转换

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

基本目标达到了，但是这样机械的形态学运算很难得到理想的效果，下一步把复选框改成按键，这样可以没有顺序的应用形态学运算。

 

 

这里贴代码比较难看，我贴到Code Library上了：

http://hyry.dip.jp/code.py?id=107

另外，关于调节形态学处理的顺序可以使用列表，可以参考本书的演示程序：

07-traitsui\traitsUI_simple_list_editors.py

下面是在线版本：

http://hyry.dip.jp:8000/scipybook/default/file/07-traitsui/traitsUI_simple_list_editors.py

可以使用此例中最右边那种候选控件。