OpenCV-Python：形态学处理（腐蚀、膨胀、开闭运算、边缘检测）

一、定义结构元素

形态学处理的核心就是定义结构元素，在OpenCV-Python中，可以使用其自带的 getStructuringElement 函数，也可以直接使用 Numpy 的 ndarray 来定义一个结构元素。形象图如下：

如下代码：为上图的十字型结构。当然还可以定义椭圆和矩形等。

椭圆： cv2.getStructuringElement(cv.MORPH_ELLIPSE,(5,5))

矩形： cv2.getStructuringElement(cv.MORPH_RECT,(5,5))

element = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
print("elemrnt":element )
------------------------------------------------
import numpy as np
NpKernel = np.uint8(np.zeros((5,5)))
for i in range(5):
	NpKernel[2, i] = 1
	NpKernel[i, 2] = 1
print("NpKernel ",NpKernel )

上述结果输出（相同）：
array([[0, 0, 1, 0, 0],
       [0, 0, 1, 0, 0],
       [1, 1, 1, 1, 1],
       [0, 0, 1, 0, 0],
       [0, 0, 1, 0, 0]], dtype=uint8)

二、腐蚀和膨胀

腐蚀：腐蚀会把物体的边界腐蚀掉，卷积核沿着图像滑动，如果卷积核对应的原图的所有像素值为1，那么中心元素就保持原来的值，否则变为零。主要应用在去除白噪声，也可以断开连在一起的物体。

膨胀：卷积核所对应的原图像的像素值只要有一个是1，中心像素值就是1。一般在除噪声时，先腐蚀再膨胀，因为腐蚀在去除白噪声的时候会使图像缩小，之后再进行膨胀。当然也可以用来将两者物体分开。

"""
腐蚀
cv2.erode(src,                     # 输入图像
	  kernel,                  # 卷积核
	  dst=None, 
	  anchor=None,
	  iterations=None,         # 迭代次数，默认1
	  borderType=None,
	  borderValue=None) 

膨胀
cv2.dilate(src,                    # 输入图像
           kernel,                 # 卷积核
           dst=None, 
           anchor=None, 
           iterations=None,        # 迭代次数，默认1
           borderType=None, 
           borderValue=None)
"""

import cv2
import numpy as np
original_img = cv2.imread('flower.png')
res = cv2.resize(original_img,None,fx=0.6, fy=0.6,
                 interpolation = cv2.INTER_CUBIC) #图形太大了缩小一点
B, G, R = cv2.split(res)                    #获取红色通道
img = R
_,RedThresh = cv2.threshold(img,160,255,cv2.THRESH_BINARY)
#OpenCV定义的结构矩形元素
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(3, 3))
eroded