图像形态学运算之图像开闭运算 含python实现

如果您觉得本文不错，帮忙点赞哦！

---

一. 图像形态学处理 —— 膨胀和腐蚀

                图解图像腐蚀和膨胀 ↑

---

二. 开运算与闭运算：

    开运算：先腐蚀后膨胀，能够消除图像区域外的小白点（噪声）。

    闭运算：先膨胀后腐蚀，能够消除图像区域内的小黑点（噪声）。

                图解图像开运算与闭运算 ↑

    为什么有了膨胀、腐蚀还要开运算闭运算呢？其实开闭运算最重要的一点就是，可以保持物体原有大小。然后一个是消除物体外部噪声（开运算）的另一个是增强物体之间连接点（闭运算）的。

---

三. python实现开运算和闭运算：

import numpy as np
# Morphology Dilate
def Morphology_Dilate(img, Dil_time=1):
	H, W = img.shape

	# kernel
	MF = np.array(((0, 1, 0),
				(1, 0, 1),
				(0, 1, 0)), dtype=np.int)

	# each dilate time
	out = img.copy()
	for i in range(Dil_time):
		tmp = np.pad(out, (1, 1), 'edge')
		for y in range(1, H):
			for x in range(1, W):
				if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) >= 255:
					out[y, x] = 255

	return out


# Morphology Erode
def Morphology_Erode(img, Erode_time=1):
	H, W = img.shape
	out = img.copy()

	# kernel
	MF = np.array(((0, 1, 0),
				(1, 0, 1),
				(0, 1, 0)), dtype=np.int)

	# each erode
	for i in range(Erode_time):
		tmp = np.pad(out, (1, 1), 'edge')
		# erode
		for y in range(1, H):
			for x in range(1, W):
				if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) < 255*4:
					out[y, x] = 0

	return out

# Morphology Closing
def Morphology_Closing(img, time=1):
	out = Morphology_Dilate(img, Dil_time=time)
	out = Morphology_Erode(out, Erode_time=time)

	return out


# Opening morphology
def Morphology_Opening(img, time=1):
	out = Morphology_Erode(img, Erode_time=time)
	out = Morphology_Dilate(out, Dil_time=time)

	return out

---

四. 开闭运算的效果：

                原图（左）、开运算（中）、闭运算（右） ↑

    可以看到，图像开运算，消除了图像外部的噪声，图像闭运算，连通了更多的图像区域。

---

五. 参考内容：

    ① https://www.cnblogs.com/wojianxin/p/12542459.html

    ② https://www.jianshu.com/p/d1820f223fe4

---

六. 版权声明：

    未经作者允许，请勿随意转载抄袭，抄袭情节严重者，作者将考虑追究其法律责任，创作不易，感谢您的理解和配合！