零基础教程之OpenCV从入门到精通（二）——形态学

unique_williams

已于 2025-05-20 01:09:09 修改

阅读量827

点赞数 30

分类专栏： OpenCV Computer Version 文章标签： opencv 人工智能计算机视觉 python

于 2025-02-19 17:30:43 首次发布

本文链接：https://blog.youkuaiyun.com/2401_83325465/article/details/145733120

版权

Computer Version 同时被 2 个专栏收录

6 篇文章

订阅专栏

OpenCV

3 篇文章

订阅专栏

在开始本章学习前，可以复习以下上一章内容哦~

零基础教程之OpenCV从入门到精通——滤波篇-优快云博客

OpenCV未配置的小伙伴可以跳转下方博客。

零基础入门PyTorch手写数字识别实战教程（含PyTorch环境搭建）——CNN篇_阿里云 cu126-优快云博客

形态学概述——图像处理的"外科手术刀"

形态学处理（Morphological Operations） 是数字图像处理中的核心概念，其灵感来源于地质学中的结构分析。在OpenCV中，这类操作通过特定的**结构元素（Kernel）**对图像进行局部区域形态改造，如同使用精密的手术刀对图像特征进行"修剪"和"整形"。

核心价值

精准操控：通过腐蚀/膨胀等基础操作组合，实现去噪、分割、边缘提取等复杂任务
结构保持：在修改图像特征时保留主体几何形状（工业零件尺寸测量关键）
多场景适用：兼容二值图与灰度图，广泛用于医学影像分析、车牌识别、文档处理等领域

OpenCV实现特点

# 统一入口函数
cv2.morphologyEx()  # 支持7种形态学变体
# 结构元素自由定制
cv2.getStructuringElement()  # 可生成矩形/十字/椭圆等15种形态模板

典型应用场景

🏭 工业检测：清除PCB板图像中的划痕噪点
🩺 医疗影像：分离X光片中的骨骼与软组织
📸 智能摄影：修复老照片的断裂划痕

下文中，我们将从结构元素的选择技巧开始，逐步解剖每个形态学操作的数学原理与工程实践。

一、二维化

（一）原理

通过设定阈值将灰度图像转化为黑白图像，消除噪声干扰，突出目标区域形态特征。常用方法：全局阈值法、自适应阈值法。

参考一下这篇博客中二值化的说明：OpenCV threshold函数详解-优快云博客

由于这里是二值化处理灰度图片，所以一般使用参数： $Threshold$ $Binary$ 或者 $Threshshold$ $Binary$ $Inverted$

（二）API 及参数解析

cv2.threshold(src, thresh, maxval, type[, dst])

上方为全局二值化API

thresh 设置的阈值
type参数详解：cv2.THRESH_BINARY（标准二值化）、cv2.THRESH_OTSU（自动阈值）

cv2.adaptiveThreshold(img, maxVal, adaptiveMethod, type[, dst], blocksize, C)

上方为自适应二值化API

（三）代码示例

import cv2
import numpy as np

img = cv2.imread('./hand.png', 0)

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))

ret,binary=cv2.threshold(img,0,255,cv2.THRESH_BINARY)

cv2.imshow('img', img)
cv2.imshow('binary', binary)
cv2.waitKey()

二、腐蚀（key）

（一）原理

通过结构元素扫描图像，用邻域内最小值替换锚点像素，消除细小物体

（二）API 及参数解析

cv2.erode(src, kernel[, dst[, anchor[, iterations[, borderType]]]])
# kernel设计技巧：矩形/十字/椭圆形结构元素的选择策略
# iterations参数实验建议：2-3次迭代效果最佳

（三）代码示例

import cv2
import numpy as np

cv2.namedWindow('img', cv2.WINDOW_NORMAL)
cv2.namedWindow('dst1', cv2.WINDOW_NORMAL)
cv2.resizeWindow('img', 640, 640)
cv2.resizeWindow('dst1', 640, 640)
img = cv2.imread('./j.png', 0)


kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))

ret,binary=cv2.threshold(img,0,255,cv2.THRESH_BINARY)
dst = cv2.erode(img, kernel, iterations=1)

cv2.imshow('img', img)
cv2.imshow('dst1', dst)
cv2.waitKey()

三、膨胀（key）

（一）原理

与腐蚀相反的操作，用邻域最大值替换锚点像素，修复断裂、填补孔洞

（二）API 及参数解析

cv2.dilate(src, kernel[, dst[, anchor[, iterations]]])
# 特殊结构元素应用：cv2.MORPH_ELLIPSE处理不规则边缘

（三）代码示例

import cv2
import numpy as np

cv2.namedWindow('img', cv2.WINDOW_NORMAL)
cv2.namedWindow('dst1', cv2.WINDOW_NORMAL)
cv2.resizeWindow('img', 640, 640)
cv2.resizeWindow('dst1', 640, 640)
img = cv2.imread('./j.png', 0)


kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))

ret,binary=cv2.threshold(img,0,255,cv2.THRESH_BINARY)
dst = cv2.dilate(binary, kernel, iterations=1)

cv2.imshow('img', img)
cv2.imshow('dst1', dst)
cv2.waitKey()

四、开运算

（一）原理

先腐蚀后膨胀，有效去除椒盐噪声同时保持主体形状（即去除外部噪点）

记忆联想：伤口先腐蚀再膨胀，表皮太薄炸开了

（二）API 及参数解析

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

（三）代码示例

import cv2
import numpy as np

cv2.namedWindow('img', cv2.WINDOW_NORMAL)
cv2.namedWindow('dst1', cv2.WINDOW_NORMAL)
cv2.resizeWindow('img', 640, 640)
cv2.resizeWindow('dst1', 640, 640)
img = cv2.imread('./dotj.png')


kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))

ret,binary=cv2.threshold(img,0,255,cv2.THRESH_BINARY)
dst1 = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

cv2.imshow('img', img)
cv2.imshow('dst1', dst1)
cv2.waitKey()

五、闭运算

（一）原理

先膨胀后腐蚀，填充物体内部小孔，连接邻近物体（即去除内部噪点）

记忆联想：脓包先膨胀再腐蚀，会形成闭口伤疤

（二）API 及参数解析

cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernel)

（三）代码示例

import cv2
import numpy as np

cv2.namedWindow('img', cv2.WINDOW_NORMAL)
cv2.namedWindow('dst1', cv2.WINDOW_NORMAL)
cv2.resizeWindow('img', 640, 640)
cv2.resizeWindow('dst1', 640, 640)
img = cv2.imread('./dotinj.png', 0)


kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 9))

ret,binary=cv2.threshold(img,0,255,cv2.THRESH_BINARY)
dst1 = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

cv2.imshow('img', img)
cv2.imshow('dst1', dst1)
cv2.waitKey()

六、形态学梯度

（一）原理

膨胀图与腐蚀图的差异，类似图像边缘检测的"浮雕效果"（基本上只保留轮廓）

会不会有人联想到 Canny 呢~

（二）API 及参数解析

cv2.morphologyEx(src, cv2.MORPH_GRADIENT, kernel)

（三）代码示例

import cv2
import numpy as np

cv2.namedWindow('img', cv2.WINDOW_NORMAL)
cv2.namedWindow('dst1', cv2.WINDOW_NORMAL)
cv2.resizeWindow('img', 640, 640)
cv2.resizeWindow('dst1', 640, 640)
img = cv2.imread('./dotinj.png', 0)


kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))

ret,binary=cv2.threshold(img,0,255,cv2.THRESH_BINARY)
dst1 = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

cv2.imshow('img', img)
cv2.imshow('dst1', dst1)
cv2.waitKey()

七、顶帽

（一）原理

工业应用：原始图像与开运算结果的差值，突出比背景亮的小物体（如PCB板检测）

说人话：保留外部噪点

（二）API 及参数解析

cv2.morphologyEx(src, cv2.MORPH_TOPHAT, kernel)

（三）代码示例

import cv2
import numpy as np

cv2.namedWindow('img', cv2.WINDOW_NORMAL)
cv2.namedWindow('dst1', cv2.WINDOW_NORMAL)
cv2.resizeWindow('img', 640, 640)
cv2.resizeWindow('dst1', 640, 640)
img = cv2.imread('./dotj.png')

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))

ret,binary=cv2.threshold(img,0,255,cv2.THRESH_BINARY)
dst1 = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

cv2.imshow('img', img)
cv2.imshow('dst1', dst1)
cv2.waitKey()

八、黑帽

（一）原理

医疗影像应用：闭运算结果与原始图像的差值，检测深色区域（如眼底血管分析）

说人话：保留内部噪点

（二）API 及参数解析

cv2.morphologyEx(src, cv2.MORPH_BLACKHAT, kernel)

（三）代码示例

import cv2
import numpy as np

cv2.namedWindow('img', cv2.WINDOW_NORMAL)
cv2.namedWindow('dst1', cv2.WINDOW_NORMAL)
cv2.resizeWindow('img', 640, 640)
cv2.resizeWindow('dst1', 640, 640)
img = cv2.imread('./dotinj.png', 0)

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))

ret,binary=cv2.threshold(img,0,255,cv2.THRESH_BINARY)
dst1 = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

cv2.imshow('img', img)
cv2.imshow('dst1', dst1)
cv2.waitKey()