OpenCV：开运算

[1. 简述](#1. 简述)

[2. 用腐蚀和膨胀实现开运算](#2. 用腐蚀和膨胀实现开运算)

[2.1 代码示例](#2.1 代码示例)

[2.2 运行结果](#2.2 运行结果)

[3. 开运算接口](#3. 开运算接口)

[3.1 参数详解](#3.1 参数详解)

[3.2 代码示例](#3.2 代码示例)

[3.3 运行结果](#3.3 运行结果)

[4. 开运算应用场景](#4. 开运算应用场景)

[5. 注意事项](#5. 注意事项)

[6. 总结](#6. 总结)

相关阅读

OpenCV：图像的腐蚀与膨胀-CSDN博客

OpenCV：闭运算-CSDN博客

1. 简述

简而言之：开运算 = 腐蚀 + 膨胀

开运算 是一种形态学操作，通常用于去除图像中的小噪点，同时保留较大的前景物体。

它的操作顺序是：

先对图像进行腐蚀，去除细小的噪点和瑕疵。
再进行膨胀，恢复被腐蚀的前景物体形状。

开运算的主要作用是：

去除噪声（尤其是白色背景下的黑色小物体）。
平滑前景物体的边缘。

开运算的数学表达式为：

其中：

A 是输入图像。
B 是卷积核。
⊖ 表示腐蚀操作。
⊕ 表示膨胀操作。

2. 用腐蚀和膨胀实现开运算

2.1 代码示例

python 复制代码

import cv2
import numpy as np

image = cv2.imread('D:\\resource\\filter\\q3.jpg')

# 卷积核
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))

# 腐蚀操作
result1 = cv2.erode(image, kernel, iterations=1)

# 膨胀操作
result2 = cv2.dilate(result1, kernel, iterations=1)

# 显示原始图像、开运算（腐蚀 + 膨胀）图像
cv2.imshow('image', image)
cv2.imshow('result2', result2)

cv2.waitKey(0)
cv2.destroyAllWindows()

2.2 运行结果

从左到右：

原始黑底白字图像，带一些白色的噪点。
图像腐蚀和膨胀之后的结果，白色噪点消失。

3. 开运算接口

在 OpenCV 中，开运算由函数 cv2.morphologyEx() 实现，其关键参数如下：

python 复制代码

cv2.morphologyEx(src, op, kernel, dst=None, anchor=(-1, -1), iterations=1, borderType=cv2.BORDER_CONSTANT, borderValue=0)

3.1 参数详解

src：输入图像。通常是二值化图像或灰度图像。
op：操作类型，开运算的标识符为 cv2.MORPH_OPEN。
kernel：结构元素（卷积核）。决定形态学操作的邻域范围和形状。可以使用 cv2.getStructuringElement() 创建。
dst：输出图像。默认为 None。
anchor：结构元素的锚点，默认为 (-1, -1)，即以核的中心为锚点。
iterations：操作的迭代次数，默认为 1。
borderType：边界模式，定义图像边界的填充方式，常用 cv2.BORDER_CONSTANT。
borderValue：边界值，仅在 borderType 为 cv2.BORDER_CONSTANT 时使用。

常用的参数为前3个：

python 复制代码

cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)

3.2 代码示例

python 复制代码

import cv2
import numpy as np

image = cv2.imread('D:\\resource\\filter\\q3.jpg')

# 卷积核
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))

# 腐蚀操作
#result1 = cv2.erode(image, kernel, iterations=1)

# 膨胀操作
#result2 = cv2.dilate(result1, kernel, iterations=1)

# 开运算
result2 = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)

# 显示原始图像、开运算（腐蚀 + 膨胀）图像
cv2.imshow('image', image)
cv2.imshow('result2', result2)

cv2.waitKey(0)
cv2.destroyAllWindows()

3.3 运行结果

结果与2.2一致。

4. 开运算应用场景

去除小噪点：在二值化图像中，小的孤立噪声点可以通过开运算清除。
提取连通区域：对于连通区域的检测，开运算可以去掉孤立的小物体，仅保留目标区域。
平滑边缘：通过开运算，前景物体的边缘可以更加平滑。

5. 注意事项

核的大小与形状：卷积核的大小直接影响结果。核过大会过度去除图像细节，核过小则可能无法有效去除噪声。
输入图像类型：开运算适用于二值化或灰度图像，对于彩色图像需先转换。
多次操作：对于复杂噪声，可能需要多次开运算，或调整核的大小与形状。

6. 总结

开运算是图像形态学中的基本操作，用于去除小噪点、平滑边缘等。OpenCV 提供了功能强大的接口 cv2.morphologyEx()，可以灵活实现开运算及其他形态学操作。通过选择合适的卷积核，可以在实际项目中轻松应对各种图像处理问题。