图像简单处理，形态学转换

一、*这一章中，*我们将学习不同的形态学操作，例如侵蚀，膨胀，开运算，闭运算等。我们将看到不同的功能，例如：cv.erode(),cv.dilate(), cv.morphologyEx()等。
理论：形态变换是一些基于图像形状的简单操作。通常在二进制图像上执行。它需要两个输入，一个是我们的原始图像，第二个是决定操作性质的结构元素或内核**。两种基本的形态学算子是侵蚀和膨胀。然后，它的变体形式（如“打开”，“关闭”，“渐变”等）也开始起作用。

一、侵蚀
以上面图像为输入，侵蚀的基本思想就像土壤侵蚀一样，它侵蚀前景物体的边界(尽量使前景保持白色)。

import cv2 as cv
import numpy as np

img = cv.imread("E:\\python opencv\\demo2\\Image.png")
cv.imshow('img', img)
kernel = np.ones((5, 5), np.uint8)
erosion = cv.erode(img, kernel, iterations=1)
cv.imshow('erosion', erosion)
cv.waitKey(0)
cv.destroyAllWindows()

二、扩张
dilation = cv.dilate(img, kernel, iterations=1)
它与侵蚀正好相反。如果内核下的至少一个像素为“ 1”，则像素元素为“ 1”。因此，它会增加图像中的白色区域或增加前景对象的大小。通常，在消除噪音的情况下，腐蚀后会膨胀。因为腐蚀会消除白噪声，但也会缩小物体。因此，我们对其进行了扩展。由于噪音消失了，它们不会回来，但是我们的目标区域增加了。在连接对象的损坏部分时也很有用。
三、开运算

开运算只是侵蚀然后扩张的另一个名称。如上文所述，它对于消除噪音很有用。在这里，我们使用函数cv.morphologyEx(），能让用来去噪
opening=cv.morphologyEx(img,cv.MORPH_OPEN,kernel)
四、闭运算

闭运算与开运算相反，先扩张然后再侵蚀。在关闭前景对象内部的小孔或对象上的小黑点时很有用。
closing=cv.morphologyEx(img,cv.MORPH_CLOSE,kernel
五、形态学梯度
这是图像扩张和侵蚀之间的区别。结果将看起来像对象的轮廓。
gradient=cv.morphologyEx(img,cv.MORPH_GRADIENT,kernel)
六、顶帽
它是输入图像和图像开运算之差。
下面的示例针对9x9内核完成。
tophat = cv.morphologyEx(img, cv.MORPH_TOPHAT, kernel)
七、黑帽
这是输入图像和图像闭运算之差。
blackhat=cv.morphologyEx(img,cv.MORPH_BLACKHAT,kernel)

八、结构元素
在Numpy的帮助下，我们在前面的示例中手动创建了一个结构元素。它是矩形。但是在某些情况下，您可能需要椭圆形/圆形的内核。因此，为此，OpenCV具有一个函数cv.getStructuringElement()。您只需传递内核的形状和大小，即可获得所需的内核。