opencv图像开运算闭运算/腐蚀膨胀

最新推荐文章于 2025-10-14 10:00:20 发布

原创最新推荐文章于 2025-10-14 10:00:20 发布 · 2.7k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#opencv

opencv 专栏收录该内容

21 篇文章

订阅专栏

本文介绍了图像处理中的形态学操作，包括腐蚀、膨胀、开运算、闭运算及形态学梯度等基本概念及其应用。腐蚀操作能有效去除图像中的白色噪声并减小前景物体；膨胀则增加图像中的白色区域，常与腐蚀结合使用以去除噪声同时保持前景物体大小。开运算和闭运算分别用于去除背景噪声和填充前景物体中的小洞。形态学梯度则突出了前景物体的轮廓。

'''
腐蚀：根据卷积核的大小靠近前景的所有像素都会被腐蚀
掉(变为 0),所以前景物体会变小,整幅图像的白色区域会减少。这对于去除
白噪声很有用,也可以用来断开两个连在一块的物体等。
总结：腐蚀会减少白色物体的面积
膨胀: 与腐蚀相反,与卷积核对应的原图像的像素值中只要有一个是 1,中心元
素的像素值就是 1。所以这个操作会增加图像中的白色区域(前景)。一般在去
噪声时先用腐蚀再用膨胀。因为腐蚀在去掉白噪声的同时,也会使前景对象变
小。
开运算: 先进性腐蚀再进行膨胀. 用于去除背景噪声
闭运算: 先膨胀再腐蚀。它经常被用来填充前景物体中的小洞,或者前景物体上的
小黑点。
形态学梯度: 其实就是一幅图像膨胀与腐蚀的差别。结果看上去就像前景物体的轮廓。
'''
import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('open.png',0)
ret, bina = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))

erosion = cv2.erode(bina,kernel,iterations = 1)#腐蚀
dilation = cv2.dilate(img,kernel,iterations = 1)#膨胀
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)#开运算
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)#闭运算
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)#形态学梯度

plt.subplot(231),plt.imshow(img,'gray'),plt.title('origin')
plt.subplot(232),plt.imshow(bina,'gray'),plt.title('binary')
plt.subplot(233),plt.imshow(erosion,'gray'),plt.title('erosion')
plt.subplot(234),plt.imshow(dilation,'gray'),plt.title('dilation')
plt.subplot(235),plt.imshow(opening,'gray'),plt.title('open')
plt.subplot(236),plt.imshow(closing,'gray'),plt.title('close')