【python-opencv函数】形态学处理：腐蚀、膨胀、开运算、闭运算

OpenCV形态学处理

opencv的形态学处理主要包括：腐蚀、膨胀、开运算、闭运算等函数，还有其他的形态学处理函数，但平时任务用的不多。

形态学处理的图像为二值图像，主要是针对图像像素“1”在做处理。

1. 腐蚀操作： cv2.erode()

腐蚀是最基本的形态学操作之一，它能够将图像的边界点消除，使图像沿着边界向内收缩，也可以将小于指定结构体元素的部分去除。腐蚀主要用来“收缩”或者“细化”二值图像中的前景，借此实现去噪声，元素分割等功能。
在腐蚀的过程中，是将二值图中亮度高的部分也就是白色的部分向内腐蚀。类似之前学到的图像滤波处理（卷积滤波），形态学处理也需要一个卷积核来表示腐蚀或者膨胀的大小。

卷积核kernel又叫“结构元”，既可以用cv2.getStructuringElement()函数生成，也可以用numpy生成，卷积核越大，形态学处理的面积也就越大，处理的强度也越大。

示例代码如下：

先导入图像

import cv2

img  = cv2.imread('./1.png')

然后我们使用腐蚀函数cv2.erode()对原图像进行腐蚀操作：
先定义核函数kernel：

kernel = np.ones((5,5)) #矩形核，元素值为1

再使用腐蚀操作：

res = cv2.erode(img, kernel=kernel, iterations=None)

cv2.erode()函数常用的参数有3个， img为输入的图像，kernel为定义的卷积核， iterations是迭代的次数，次数越高，腐蚀的越厉害。

2. 膨胀操作： cv2.dilate()

膨胀操作和腐蚀操作作用相反，也可以说是腐蚀的逆操作，具体的用法和腐蚀函数erode()一样，同样需要一个kernel代表膨胀的大小，也可以设置iterations参数的数值。

使用膨胀操作的示例代码：

res_dilation = cv2.dilate(img, kernel, iterations=None)

3. 开、闭运算cv2.morphologyEx()

我们可以看到，单纯的腐蚀和膨胀操作会使得图像在原有的形状的基础上发生改变。为了在不改变图像的基础上，而又完成一系列的功能，则需要结合这两种操作。通俗地讲，开闭运算可以节省腐蚀和膨胀的两步操作。

开运算：先腐蚀后膨胀，用来去除图像中一些小的噪点；
闭运算：先膨胀后腐蚀，用来连接被误分为许多小块的图像(例如轮廓的边缘没有连接)

示例代码：

开运算：先读取一张带有盐噪声的图像

img = cv2.imread('./2.png')

然后在对其进行开运算

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

cv2.morphologyEx()函数共有3个常用参数，img为输入的图像，cv2.MORPH_OPEN证明此时是开运算，kernel代表开运算同样需要一个核来对原图像处理。

4. 闭运算

闭运算和开运算使用同样的函数，只不过是把参数cv2.MORPH_OPEN改成cv2.MORPH_CLOSE即可。