【OpenCV 入门到精通 07】滤波、阈值与形态学：图像去噪与形状处理

标签：OpenCV 图像滤波 阈值 形态学 腐蚀 膨胀

难度：⭐⭐ | 阅读时长 ：约 65 分钟 | 系列：第 07/12 集

前置：06 颜色与几何 | 下一集 ：08 边缘与轮廓

写在前面

照片有噪点？想提取白色文字？需要连接断裂的线条？本集三个武器帮你解决：滤波（去噪平滑）、阈值（二值化分割）、形态学 （形状变换）。对应官方 4_3~4_5。

本集学习目标

掌握均值/高斯/中值/双边滤波
使用全局和自适应阈值二值化
理解腐蚀、膨胀、开运算、闭运算
完成文字提取综合实战

7.1 图像平滑滤波

为什么需要滤波？

去除噪声（椒盐噪点、高斯噪声）
模糊图像（减少细节）
平滑后再做边缘检测效果更好

四种常用滤波

python 复制代码

import cv2

img = cv2.imread("noisy.jpg")

# 1. 均值滤波
blur = cv2.blur(img, (5, 5))

# 2. 高斯滤波（最常用）
gaussian = cv2.GaussianBlur(img, (5, 5), 0)

# 3. 中值滤波（去椒盐噪声最佳）
median = cv2.medianBlur(img, 5)

# 4. 双边滤波（保边去噪）
bilateral = cv2.bilateralFilter(img, 9, 75, 75)

滤波器	特点	适用
均值 blur	简单快速	一般平滑
高斯 GaussianBlur	加权平均	通用去噪
中值 medianBlur	取中值	椒盐噪声
双边 bilateralFilter	保边	美颜、细节保留

核大小 (5,5) 必须为奇数。

7.2 图像阈值

将灰度图转为黑白二值图。

简单阈值

python 复制代码

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

类型	效果
`THRESH_BINARY`	>阈值→255，否则→0
`THRESH_BINARY_INV`	反转
`THRESH_TRUNC`	>阈值→阈值，否则不变
`THRESH_TOZERO`	>阈值→原值，否则→0
`THRESH_OTSU`	自动计算最佳阈值

python 复制代码

# Otsu 自动阈值
_, otsu = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

自适应阈值

光照不均匀时用：

python 复制代码

adaptive = cv2.adaptiveThreshold(
    gray, 255,
    cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
    cv2.THRESH_BINARY,
    blockSize=11,  # 邻域大小（奇数）
    C=2            # 常数偏移
)

方法	说明
全局阈值	整图一个阈值，简单
Otsu	自动选阈值，光照均匀时好
自适应	局部阈值，光照不均

7.3 形态学操作

基于 结构元素（kernel）的形状操作，作用于二值图。

腐蚀与膨胀

python 复制代码

import numpy as np

kernel = np.ones((5, 5), np.uint8)

# 腐蚀：缩小白色区域，去噪点
eroded = cv2.erode(binary, kernel, iterations=1)

# 膨胀：扩大白色区域，填充孔洞
dilated = cv2.dilate(binary, kernel, iterations=1)

复制代码

腐蚀：●●●    →    ●●     （白色缩小）
      ●●●          ●
      ●●●

膨胀：●●     →    ●●●    （白色扩大）
      ●            ●●●
                   ●●●

开运算与闭运算

python 复制代码

# 开运算 = 先腐蚀后膨胀 → 去小噪点
opening = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)

# 闭运算 = 先膨胀后腐蚀 → 填小孔洞
closing = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)

# 梯度 = 膨胀 - 腐蚀 → 轮廓
gradient = cv2.morphologyEx(binary, cv2.MORPH_GRADIENT, kernel)

运算	公式	效果
开 MORPH_OPEN	腐蚀→膨胀	去小白点
闭 MORPH_CLOSE	膨胀→腐蚀	填小黑洞
梯度 MORPH_GRADIENT	膨胀-腐蚀	提取边缘
顶帽 MORPH_TOPHAT	原图-开运算	亮细节
黑帽 MORPH_BLACKHAT	闭运算-原图	暗细节

7.4 综合实战：文字提取

python 复制代码

import cv2
import numpy as np

img = cv2.imread("document.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 1. 高斯去噪
blurred = cv2.GaussianBlur(gray, (5, 5), 0)

# 2. 自适应二值化
binary = cv2.adaptiveThreshold(blurred, 255,
    cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)

# 3. 形态学：闭运算连接文字笔画
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
closed = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)

cv2.imshow("Result", closed)
cv2.waitKey(0)

7.5 踩坑指南

坑	解决
滤波核为偶数	必须奇数
阈值全黑/全白	调阈值或用 Otsu/自适应
形态学过度	减小 kernel 或 iterations
双边滤波太慢	减小 d 参数

7.6 本集小结

主题	核心
去噪	GaussianBlur / medianBlur / bilateralFilter
二值化	threshold / adaptiveThreshold / Otsu
形态学	erode / dilate / morphologyEx

← 第06集	第08集：边缘与轮廓 →

参考：4_3 阈值 | 4_4 平滑 | 4_5 形态学

【OpenCV 入门到精通 07】滤波、阈值与形态学：图像去噪与形状处理

【OpenCV 入门到精通 07】滤波、阈值与形态学：图像去噪与形状处理

写在前面

本集学习目标

目录

7.1 图像平滑滤波

为什么需要滤波？

四种常用滤波

7.2 图像阈值

简单阈值

自适应阈值

7.3 形态学操作

腐蚀与膨胀

开运算与闭运算

7.4 综合实战：文字提取

7.5 踩坑指南

7.6 本集小结