OpenCV：闭运算

[1. 简述](#1. 简述)

[2. 用膨胀和腐蚀实现闭运算](#2. 用膨胀和腐蚀实现闭运算)

[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. 闭运算接口](#3. 闭运算接口)

[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. 闭运算的应用场景](#4. 闭运算的应用场景)

[5. 注意事项](#5. 注意事项)

相关阅读

OpenCV：图像的腐蚀与膨胀-CSDN博客

OpenCV：开运算-CSDN博客

1. 简述

简而言之：闭运算 = 膨胀 + 腐蚀

闭运算 是一种形态学操作，用于填补前景物体中的小孔洞、连接断裂部分以及平滑前景边缘。

它的操作顺序是：

膨胀：先扩展前景物体，使前景变大。
腐蚀：再缩小前景物体，恢复形状。

闭运算的作用可以概括为：

填补前景中的小空隙。
连接相近的前景区域。
平滑边界。

数学表达式为：

其中：

A 是输入图像。
B 是卷积核。
⊕ 表示膨胀操作。
⊖ 表示腐蚀操作。

2. 用膨胀和腐蚀实现闭运算

2.1 代码示例

python 复制代码

import cv2
import numpy as np

image = cv2.imread('D:\\resource\\filter\\q4.jpg')

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

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

# 腐蚀操作
result2 = cv2.erode(result1, kernel, iterations=1)

# 显示原始图像、闭运算（膨胀 + 腐蚀）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，白字内部带一些黑色的噪点。
图像进行膨胀、腐蚀之后的结果，内部黑色噪点消失。

3. 闭运算接口

在 OpenCV 中，闭运算由函数 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，闭运算的标识符为 cv2.MORPH_CLOSE。
kernel：结构元素（卷积核），决定形态学操作的范围和形状。
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_CLOSE, kernel)

3.2 代码示例

python 复制代码

import cv2
import numpy as np

image = cv2.imread('D:\\resource\\filter\\q4.jpg')

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

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

# 腐蚀操作
#result2 = cv2.erode(result1, kernel, iterations=1)

# 闭运算
result2 = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)

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

cv2.waitKey(0)
cv2.destroyAllWindows()

3.3 运行结果

4. 闭运算的应用场景

填补前景中的小孔洞：闭运算可以有效填补前景区域中的小空洞，从而使目标更加完整。
连接断裂的前景区域：当前景物体存在细小的断裂区域时，闭运算可以将其连接起来。
平滑前景边界：通过闭运算，前景的边界可以变得更加平滑，去除不必要的凹陷。

5. 注意事项

核的大小：选择适当的核大小尤为重要，过大或过小的核可能会导致处理效果不佳。
输入图像类型：通常对二值化图像进行闭运算效果更明显。
迭代次数：可以通过调整迭代次数来进一步增强效果。