import cv2
import numpy as np
import matplotlib.pyplot as plt
# 加载图像
img=cv2.imread('morphology.png',0)
img1=cv2.imread('num.jpg',0)
kernel = np.ones((5,5),np.uint8)
# erosion = cv2.erode(img, kernel,iterations= 2)
# dilation = cv2.dilate(img, kernel,iterations=2)
#开运算 可以去除噪声
opening = cv2.morphologyEx(img , cv2.MORPH_OPEN,kernel)
#闭运算 先膨胀再腐蚀。它经常被用来填充前景物体中的小洞,或者前景物体上的
#小黑点
#白色的为前景 黑色 的为背景
# closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE,kernel)
# #从结果上看是膨胀和腐蚀的差别,也就是前景图像的轮廓
# gradient = cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)
# #礼帽 原始图像和开运算之后的图像差
# tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT,kernel)
# #闭运算和原始图像的差值
#
# blackhat = cv2.morphologyEx(img , cv2.MORPH_BLACKHAT,kernel)
#
#
cv2.imshow('erode',opening)
cv2.waitKey(0)
结构元素cv2.getStructuringElement()
cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
array([[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1]], dtype=uint8)cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
array([[0, 0, 1, 0, 0],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[0, 0, 1, 0, 0]], dtype=uint8)
cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
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)