opencv+python(开闭运算)

1、开运算：先对图像进行腐蚀，然后再膨胀，目的是去除噪声；（除外面的噪声）

morphologyEx(src,
                 op, # 为形态变换的类型 MORPH_OPEN：开运算
                 kernel,
                 dst: ,
                 anchor,
                 iterations,
                 borderType,
                 borderValue)

 #调整窗口的大小
    cv2.namedWindow('dst',cv2.WINDOW_NORMAL)
    cv2.resizeWindow('dst',800,600)
    
    kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
    # img=cv2.erode(img,kernel,iterations=1) # 腐蚀，可自行改变迭代数，实现效果
    # dst=cv2.dilate(img,kernel,iterations=1) # 膨胀
    
    kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
    dst=cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel,iterations=1)# 开运算
    cv2.imshow("dst",dst)

    cv2.waitKey(0)

2、闭运算：先对图像进行膨胀，然后再腐蚀，目的是去除噪声；（除里面的噪声）

morphologyEx(src,
                 op, # 为形态变换的类型 MORPH_CLOSE：闭运算
                 kernel,
                 dst: ,
                 anchor,
                 iterations,
                 borderType,
                 borderValue)

  kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
    
    # dst=cv2.dilate(img,kernel,iterations=1) # 膨胀
    # img=cv2.erode(img,kernel,iterations=1) # 腐蚀
    dst=cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel,iterations=1)
    cv2.imshow("dst",dst)

3、形态学梯度

边缘：腐蚀之后，原图的边缘会减小，通过原图-腐蚀=边缘；

morphologyEx(src,
                 op, # 为形态变换的类型 MORPH_GRADIENT：梯度图
                 kernel,
                 dst: ,
                 anchor,
                 iterations,
                 borderType,
                 borderValue)

#通过调整kernel可以获得更加清晰的边缘
    kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
    dst=cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel,iterations=1)
    cv2.imshow("dst",dst)