Chuyện gì đang xảy ra?
Hãy tưởng tượng bạn đặt một hình vuông nhỏ (structuring element) lên từng vị trí của mặt nạ. Với erosion, chỉ những vị trí mà hình vuông nằm trọn trong foreground mới được giữ — foreground bị co lại. Với dilation, chỉ cần hình vuông chạm foreground là vị trí đó được bật — foreground nở ra.
Opening là erosion rồi dilation. Nó xoá các đốm nhỏ và sợi mảnh nhưng giữ hình lớn gần như nguyên vẹn. Closing là dilation rồi erosion. Nó lấp các lỗ nhỏ và nối các mảnh gần nhau. Hai phép này thường được dùng như cặp tiền xử lý: opening để bỏ nhiễu, closing để hoàn thiện vật thể.
Kích thước và hình dạng structuring element quyết định “cái gì bị coi là nhỏ”. Kernel 3×3 chỉ xoá hạt rất nhỏ; kernel 15×15 có thể xoá cả một vật thể thật. Hình chữ nhật phù hợp với vật thể vuông góc; ellipse hợp với vật thể tròn; cross giữ được cấu trúc mảnh theo trục.
Morphology cũng áp dụng được cho ảnh xám (không chỉ nhị phân), khi đó erosion/dilation tương ứng với min/max cục bộ. Nhưng trong luồng xử lý thị giác, ta thường dùng nó trên mặt nạ để nối biên hoặc loại nhiễu trước khi tìm đường bao.
Thuật toán không “hiểu” ảnh. Nó chỉ tìm một cách biến đổi có thể kiểm tra được.
Viết lại bằng toán.
Không cần thuộc lòng. Hãy đọc công thức như một câu mô tả: đại lượng nào được cộng, cái gì bị chuẩn hoá, và điều kiện nào khiến nó thất bại.
Erosion và dilation
- A: mặt nạ
- B: structuring element
- B_z: B dịch đến vị trí z
Erosion = “fit hoàn toàn”; dilation = “chạm ít nhất một pixel”.
Opening và closing
- Opening: erode → dilate
- Closing: dilate → erode
Opening không bao giờ làm vật thể lớn hơn; closing không bao giờ làm nhỏ hơn.
Luồng xử lý bằng lời.
-
01
Có mask nhị phân
Threshold hoặc Canny trước; đảm bảo foreground là trắng.
-
02
Chọn structuring element
Kích thước lẻ, hình dạng gần với vật thể. Bắt đầu 3×3 rồi tăng dần.
-
03
Chọn phép toán
Xoá nhiễu nhỏ: opening. Lấp lỗ: closing. Tách vật thể dính: erosion hoặc opening mạnh hơn.
-
04
Lặp có kiểm soát
Tăng iterations thay vì kernel quá lớn để quan sát từng bước.
-
05
Đo lại
Đếm connected components và diện tích trước/sau; kiểm tra vật thể thật có bị mất.
Núm vặn và cạm bẫy.
| Tham số | Ý nghĩa | Khoảng |
|---|---|---|
op | Phép morphology: erode, dilate, open, close, tophat, blackhat, gradient. | 7 lựa chọn |
shape | Hình dạng structuring element. | rect / ellipse / cross |
ksize | Kích thước phần tử cấu trúc. | 1…31, lẻ |
iters | Số lần lặp. | 1…5 |
pre | Tự threshold Otsu trước khi morphology. | true / false |
! Cạm bẫy thường gặp
- Opening với kernel quá lớn xoá luôn vật thể nhỏ cần đếm.
- Closing có thể nối hai vật thể ở gần nhau thành một — kiểm tra trước khi đếm.
- Áp dụng morphology lên ảnh màu trực tiếp thay vì mask nhị phân.
- Quên rằng OpenCV coi pixel khác 0 là foreground, kể cả giá trị 1 hay 127.
Mã nguồn tối giản, không phải giả mã.
import cv2
import numpy as np
mask = cv2.imread("shapes_noisy.png", cv2.IMREAD_GRAYSCALE)
se = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (7, 7))
# Xoá hạt nhỏ
opened = cv2.morphologyEx(mask, cv2.MORPH_OPEN, se)
# Lấp lỗ / nối mảnh
closed = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, se)
n, labels, stats, _ = cv2.connectedComponentsWithStats(opened, 8)
print("components after opening:", n - 1)
Điều chỉnh tham số.
Chọn ảnh mẫu hoặc tải ảnh của bạn lên, chỉnh tham số, rồi chạy. Kết quả, các bước trung gian và nhật ký được cập nhật ngay tại đây.
$ bài thử chưa chạy $ chọn ảnh và bấm “Chạy thử”
Dùng nó ở đâu?
Dọn nhiễu muối tiêu trên mask sau threshold.
Nối biên bị đứt trước khi tìm contour.
Tách vật thể dính nhau trong đếm hạt, đếm tế bào.