形态学转换

1、腐蚀  cv2.erode()

就像土壤侵蚀一样，这个操作会把前景物体的边界腐蚀掉（但是前景仍然

是白色）。这是怎么做到的呢？卷积核沿着图像滑动，如果与卷积核对应的原图

像的所有像素值都是 1，那么中心元素就保持原来的像素值，否则就变为零。

这回产生什么影响呢？根据卷积核的大小靠近前景的所有像素都会被腐蚀

掉（变为 0），所以前景物体会变小，整幅图像的白色区域会减少。这对于去除

白噪声很有用，也可以用来断开两个连在一块的物体等。

 

 

2、膨胀  cv2.dilate()

与腐蚀相反，与卷积核对应的原图像的像素值中只要有一个是 1，中心元

素的像素值就是 1。所以这个操作会增加图像中的白色区域（前景）。一般在去

噪声时先用腐蚀再用膨胀。因为腐蚀在去掉白噪声的同时，也会使前景对象变

小。所以我们再对他进行膨胀。这时噪声已经被去除了，不会再回来了，但是

前景还在并会增加。膨胀也可以用来连接两个分开的物体。

 

3、开运算先进行腐蚀运算再进行膨胀就叫做开运算，

被用作去除噪声，cv2.morphologhEx()

 

opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

 

4、闭运算，先膨胀再腐蚀，它经常被用来填充前景物体中的小洞，或者前景物体上的

小黑点。

closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

 

5、形态学梯度，其实就是一幅图像膨胀与腐蚀的差别。结果看上去就像前景物体的轮廓。

gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

 

6、礼帽

原始图像与进行开运算之后得到的图像的差。下面的例子是用一个 9x9 的

核进行礼帽操作的结果。

tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

 

 

7、黑帽

进行闭运算之后得到的图像与原始图像的差。

blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)