形态学开运算和闭运算是腐蚀、膨胀的组合操作，是图像预处理中解决噪点和孔洞问题的核心技巧。本文通过极简代码，演示开 / 闭运算的实现流程，新手可快速掌握其应用场景与使用方法。
核心代码实现
python
import cv2 as cv
import numpy as np
# 1. 读取图像并校验
src = cv.imread(".\image\6.bmp")
if src is None:
print('could not load image')
exit()
cv.imshow("src", src)
# 2. 转灰度+二值化（形态学操作前的基础预处理）
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 120, 255, cv.THRESH_BINARY)
# 3. 创建结构元素（核）：5×3矩形核
kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 3))
# 4. 形态学运算
closed1 = cv.morphologyEx(binary, cv.MORPH_CLOSE, kernel) # 闭运算：膨胀→腐蚀
opened1 = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel) # 开运算：腐蚀→膨胀
# 5. 显示结果
cv.imshow('outimage(闭运算)', closed1)
cv.imshow('outimage1(开运算)', opened1)
cv.waitKey(0)
cv.destroyAllWindows()关键知识点解析
1. 开 / 闭运算本质
| 运算类型 | 执行顺序 | 核心作用 | 适用场景 |
|---|---|---|---|
| 开运算 | 腐蚀 → 膨胀 | 消除小的白色噪点、分离粘连区域 | 去除图像中的点状噪声 |
| 闭运算 | 膨胀 → 腐蚀 | 填补小的黑色孔洞、连接断裂区域 | 修复目标区域的缝隙 / 孔洞 |
2. 核心参数说明
cv.morphologyEx：形态学运算核心 API，第一个参数为输入图像（需二值化），第二个参数指定运算类型，第三个参数为结构元素；- 结构元素（kernel）：
cv.getStructuringElement(MORPH_RECT, (5,3))创建矩形核，尺寸越大运算效果越显著，可根据噪点 / 孔洞大小调整； - 二值化前提：形态学开 / 闭运算对二值图效果最佳，需先将灰度图转为二值图。
3. 实操注意事项
- 核的尺寸：噪点小则用小核（如 3×3），噪点大则用大核（如 7×7），避免过度运算导致目标轮廓变形；
- 阈值适配：二值化阈值（示例中 120）需根据图像明暗调整，确保目标区域与背景区分清晰；
- 运算顺序：开 / 闭运算的核心是 "先腐蚀后膨胀" 和 "先膨胀后腐蚀"，顺序不可颠倒。
总结
- 开运算适合消除白色噪点，闭运算适合填补黑色孔洞，是二值图预处理的高频技巧；
- 形态学开 / 闭运算依赖结构元素，核的尺寸需根据图像实际情况调整；
- 操作前需将图像转为二值图，才能保证运算效果。