常用的形态学操作：腐蚀、膨胀、开运算和闭运算
一、什么叫形态学操作
形态学操作就是改变物体的形状，比如腐蚀就是"变瘦"，膨胀就是"变胖"
形态学操作一般作用于二值化图，来连接相邻的元素或分离成独立的元素。腐蚀和膨胀是针对图片中的白色部分！
白色的像素为255，黑色的像素值为0
二、腐蚀与膨胀
1. 腐蚀
腐蚀的效果是把图片"变瘦"，其原理是在原图的小区域内取局部最小值。因为是二值化图，只有0和255，所以小区域内有一个0该像素点就为0：
这样原图中边缘的地方就会变成0（黑色），达到了瘦身的效果。
OpenCV中用 cv2.erode() 函数进行腐蚀，只需要指定核的大小就行：
import cv2 import numpy as np img = cv2.imread('j.bmp', 0) kernel = np.ones((5, 5), np.uint8) erosion = cv2.erode(img, kernel) # 腐蚀
这个核也叫结构元素，因为形态学操作其实也是应用卷积来实现的。结构元素可以是矩形、椭圆、十字形，可以用 cv2.getStructuringElement() 来生成不同形状的结构元素，比如：
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) # 矩形结构 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)) # 椭圆结构 kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 5)) # 十字形结构
博主替换过核，效果差距不大。
2. 膨胀
膨胀与腐蚀相反，取的是局部最大值，效果是把图片变胖：
dilation = cv2.dilate(img, kernel) # 膨胀
img = cv2.imread('j.bmp') kernel = np.ones((5, 5), np.uint8) # 矩形结构 erosion = cv2.erode(img, kernel) # 腐蚀 dilation = cv2.dilate(img, kernel) # 膨胀 titles = ['Original', 'erosion', 'dilation'] images = [img, erosion, dilation] # 使用Matplotlib显示 # 一行三列图 for i in range(3): plt.subplot(1, 3, i + 1) plt.imshow(images[i]) plt.title(titles[i], fontsize=8) plt.xticks([]), plt.yticks([]) plt.show()
三、开、闭运算
先腐蚀后膨胀叫开运算（因为先腐蚀会分开物体），其作用是：分离物体，消除小区域。使用 cv.morphologyEx() 函数实现：
# 开运算--先腐蚀后膨胀 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) img1 = cv2.imread('j_noise_out.bmp') opening = cv2.morphologyEx(img1, cv2.MORPH_OPEN, kernel)
闭运算则相反：先膨胀后腐蚀（先膨胀会使白色的部分扩张，以至于消除"闭合"物体里面的小黑洞，所以叫闭运算）
# 闭运算--先膨胀后腐蚀 img2 = cv2.imread('j_noise_in.bmp') closing = cv2.morphologyEx(img2, cv2.MORPH_CLOSE, kernel)
开、闭运算确实很容易混淆。如果我们的目标物体外面有很多无关的小区域，就用开运算去除掉；如果物体内部有很多小黑洞，就用闭运算填充掉
四、形态学梯度、顶帽、黑帽
形态学梯度：膨胀图减去腐蚀图，dilation - erosion，这样会得到物体的轮廓：
img = cv2.imread('school.bmp', 0) gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
顶帽：原图减去开运算后的图：src - opening
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
黑帽：闭运算后的图减去原图：closing - src
五、小结
1. 形态学就是改变物体的形状，腐蚀是物体"变瘦"、膨胀使物体"变胖"
2. 先腐蚀后膨胀会分离物体，所以叫开运算，常用来去除小区域物体
3. 先膨胀后腐蚀会消除物体内的小洞，所以叫闭运算。