OpenCV（5）：图像形态学操作

图像形态学操作是图像处理中的一种重要技术，主要用于处理二值图像（即黑白图像）。OpenCV 中的图像形态学操作是图像处理中的重要工具，通过腐蚀、膨胀、开运算、闭运算和形态学梯度等操作，可以实现对图像的噪声去除、对象分离、边缘检测等效果。掌握这些操作有助于更好地处理和分析图像数据。

以下是 OpenCV 中常用的形态学操作及其函数：

操作	函数	说明	应用场景
腐蚀	`cv2.erode()`	用结构元素扫描图像，如果结构元素覆盖的区域全是前景，则保留中心像素。	去除噪声、分离物体。
膨胀	`cv2.dilate()`	用结构元素扫描图像，如果结构元素覆盖的区域存在前景，则保留中心像素。	连接断裂的物体、填充空洞。
开运算	`cv2.morphologyEx()`	先腐蚀后膨胀。	去除小物体、平滑物体边界。
闭运算	`cv2.morphologyEx()`	先膨胀后腐蚀。	填充小孔洞、连接邻近物体。
形态学梯度	`cv2.morphologyEx()`	膨胀图减去腐蚀图。	提取物体边缘。
顶帽运算	`cv2.morphologyEx()`	原图减去开运算结果。	提取比背景亮的细小物体。
黑帽运算	`cv2.morphologyEx()`	闭运算结果减去原图。	提取比背景暗的细小物体。

1 腐蚀 (cv2.erode())

腐蚀操作是一种缩小图像中前景对象的过程。腐蚀操作通过将结构元素与图像进行卷积，只有当结构元素完全覆盖图像中的前景像素时，中心像素才会被保留，否则会被腐蚀掉，常用于去除噪声或分离连接的对象。

cv2.erode(src, kernel, iterations=1)

src: 输入图像，通常是二值图像。
kernel: 结构元素，可以自定义或使用 cv2.getStructuringElement() 生成。
iterations: 腐蚀操作的次数，默认为1。

python 复制代码

import cv2
import numpy as np

# 读取图像
image = cv2.imread('image.jpg', 0)

# 定义结构元素
kernel = np.ones((5, 5), np.uint8)

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

# 显示结果
cv2.imshow('Eroded Image', eroded_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

2 膨胀 (cv2.dilate())

膨胀操作与腐蚀相反，它是一种扩大图像中前景对象的过程。膨胀操作通过将结构元素与图像进行卷积，只要结构元素与图像中的前景像素有重叠，中心像素就会被保留。常用于填补前景对象中的空洞或连接断裂的对象。

python 复制代码

cv2.dilate(src, kernel, iterations=1)

src: 输入图像，通常是二值图像。
kernel: 结构元素，可以自定义或使用 cv2.getStructuringElement() 生成。
iterations: 膨胀操作的次数，默认为1。

python 复制代码

import cv2
import numpy as np

# 读取图像
image = cv2.imread('image.jpg', 0)

# 定义结构元素
kernel = np.ones((5, 5), np.uint8)

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

# 显示结果
cv2.imshow('Dilated Image', dilated_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

3 开运算 (cv2.morphologyEx() with cv2.MORPH_OPEN)

开运算是先腐蚀后膨胀的组合操作。开运算主要用于去除图像中的小噪声或分离连接的对象。

python 复制代码

cv2.morphologyEx(src, op, kernel)

src: 输入图像，通常是二值图像。
op: 形态学操作类型，开运算使用 cv2.MORPH_OPEN。
kernel: 结构元素，可以自定义或使用 cv2.getStructuringElement() 生成。

python 复制代码

import cv2
import numpy as np

# 读取图像
image = cv2.imread('image.jpg', 0)

# 定义结构元素
kernel = np.ones((5, 5), np.uint8)

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

# 显示结果
cv2.imshow('Opened Image', opened_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

4 闭运算 (cv2.morphologyEx() with cv2.MORPH_CLOSE)

闭运算是先膨胀后腐蚀的组合操作。闭运算主要用于填补前景对象中的小孔或连接断裂的对象。

python 复制代码

cv2.morphologyEx(src, op, kernel)

src: 输入图像，通常是二值图像。
op: 形态学操作类型，闭运算使用 cv2.MORPH_CLOSE。
kernel: 结构元素，可以自定义或使用 cv2.getStructuringElement() 生成。

python 复制代码

import cv2
import numpy as np

# 读取图像
image = cv2.imread('image.jpg', 0)

# 定义结构元素
kernel = np.ones((5, 5), np.uint8)

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

# 显示结果
cv2.imshow('Closed Image', closed_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

5 形态学梯度 (cv2.morphologyEx() with cv2.MORPH_GRADIENT)

形态学梯度是膨胀图像与腐蚀图像的差值，主要用于提取图像中前景对象的边缘。

python 复制代码

cv2.morphologyEx(src, op, kernel)

src: 输入图像，通常是二值图像。
op: 形态学操作类型，形态学梯度使用 cv2.MORPH_GRADIENT。
kernel: 结构元素，可以自定义或使用 cv2.getStructuringElement() 生成。

python 复制代码

import cv2
import numpy as np

# 读取图像
image = cv2.imread('image.jpg', 0)

# 定义结构元素
kernel = np.ones((5, 5), np.uint8)

# 形态学梯度
gradient_image = cv2.morphologyEx(image, cv2.MORPH_GRADIENT, kernel)

# 显示结果
cv2.imshow('Gradient Image', gradient_image)
cv2.waitKey(0)
cv2.destroyAllWindows()