小白学视觉 | 在OpenCV中进行图像预处理

本文来源公众号“小白学视觉”，仅用于学术分享，侵权删，干货满满。

原文链接：在OpenCV中进行图像预处理

今天，我们进一步深入，并处理在图像处理中常用的形态学操作。形态学操作用于提取区域、边缘、形状等。

什么是形态学操作？

形态学操作是在二值图像上进行的。二值图像可能包含许多不完美之处。特别是由一些简单的阈值操作产生的二值图像（如果你对阈值不熟悉，现在不用担心）可能包含许多噪声和畸变。OpenCV库中提供了不同的形态学操作来处理这些噪声和缺陷。

形态学操作生成与原始图像相同形状的图像。形态学操作将结构元素应用于输入图像。结构元素可以是任何形状。在今天的所有形态学操作中，将比较输入图像的每个像素与相邻像素以生成输出图像。

对于不同的形态学操作，比较方式有所不同。我们将详细讨论这一点。

在深入讨论问题之前，这是我们将在本教程中使用的图片：

在这里，我们导入必要的包，将图像读取为数组，并将其转换为二值图像，正如前面提到的，形态学操作应用于二值图像：

import cv2 
import matplotlib.pyplot as plt
#Reading the image to an array
image = cv2.imread('practice.jpg')

#converting it to a binary image
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

这是'gray'的样子：

我们将使用这个灰度图像来观察形态学操作的工作原理。

在深入示例之前，我想创建一个3x3的内核和一个6x3的内核：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
k