使用 OpenCV 拼接进行图像处理对比：以形态学操作为例

图像处理在计算机视觉中起着至关重要的作用，而 OpenCV 作为一个强大的图像处理库，提供了丰富的函数来实现各类图像处理任务。形态学操作（Morphological Operations）是其中常用的技术，尤其适用于二值图像的处理。常见的形态学操作包括膨胀（Dilation）、腐蚀（Erosion）、开运算（Opening）、闭运算（Closing）等。

在许多实际应用中，我们经常需要对同一图像应用不同的形态学操作进行对比，进而选出最适合的处理策略。本文将通过图像拼接的方式，展示 OpenCV 在形态学操作中的应用，并进行不同操作结果的对比。

1 .拼接位置

首先，使用 OpenCV 加载待处理的图像，方便进行形态学操作。然后，我们将原图像拼接成一个网格，预留出位置进行不同形态学操作的对比。

import cv2
import numpy as npclass FrameObject:def __init__(self):self.init_parameters()def init_parameters(self, *args, **kwargs):# 初始化形态学操作的核（kernel）self.kernel_size = 5self.kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (self.kernel_size, self.kernel_size))def do(self, frame, device):# 获取输入帧的宽高height, width = frame.shape[:2]print(f"输入帧的宽度: {width}, 高度: {height}")  # 调试信息new_frame = np.zeros((height*2, width*4, 3), dtype=np.uint8)new_frame[:height, :width] = frame new_frame[:height, width:2*width] = framenew_frame[:height, 2*width:3*width] = framenew_frame[:height, 3*width:4*width] = framenew_frame[height:height*2, :width] = framenew_frame[height:height*2, width:2*width] = framenew_frame[height:height*2, 2*width:3*width] = framenew_frame[height:height*2, 3*width:4*width] = framereturn new_frame

2 .拼接不同处理结果

在进行形态学操作后，我们将把结果拼接回去，并与原始图像对比。为了方便比较，我们将经过不同形态学操作处理后的图像拼接成一个网格。

import cv2
import numpy as npclass FrameObject:def __init__(self):self.init_parameters()def init_parameters(self, *args, **kwargs):# 初始化形态学操作的核（kernel）self.kernel_size = 5self.kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (self.kernel_size, self.kernel_size))def do(self, frame, device):# 获取输入帧的宽高height, width = frame.shape[:2]print(f"输入帧的宽度: {width}, 高度: {height}")  # 调试信息new_frame = np.zeros((height*2, width*4, 3), dtype=np.uint8)new_frame[:height, :width] = frame new_frame[:height, width:2*width] = cv2.erode(frame, self.kernel) new_frame[:height, 2*width:3*width] = cv2.dilate(frame, self.kernel) new_frame[:height, 3*width:4*width] = cv2.morphologyEx(frame,cv2.MORPH_OPEN, self.kernel)new_frame[height:height*2, :width] = cv2.morphologyEx(frame,cv2.MORPH_CLOSE,  self.kernel)new_frame[height:height*2, width:2*width] = cv2.morphologyEx(frame,cv2.MORPH_GRADIENT,  self.kernel)new_frame[height:height*2, 2*width:3*width] = cv2.morphologyEx(frame,cv2.MORPH_TOPHAT, self.kernel)new_frame[height:height*2, 3*width:4*width] = cv2.morphologyEx(frame,cv2.MORPH_BLACKHAT, self.kernel)return new_frame