OpenCV计算机视觉 04 图像形态学（腐蚀、膨胀、开运算、闭运算、顶帽、黑帽）

目录

图像形态学

腐蚀(erode)

膨胀(dilate)

开运算：先腐蚀后膨胀

闭运算：先膨胀后腐蚀

梯度运算：膨胀-腐蚀

顶帽 = 原始图像 - 开运算结果(先腐蚀后膨胀)

黑帽 = 闭运算(先膨胀后腐蚀) - 原始图像

---

图像形态学

图像形态学是一种处理图像形状特征的图像处理技术，主要用于描述和处理图像中的形状和结构。形态学可以用于提取图像中的特征、消除噪声、改变图像的形状等。

图像形态学有哪些呢？常见的有腐蚀、膨胀、开运算、闭运算、顶帽、黑帽操作。

腐蚀(erode)

函数介绍

cv2.erode(src, kernel,dst,anchor,iterations,borderType,borderValue) src: 输入的图像 kernel: 用于腐蚀的结构元件如果element = Mat()，则使用3 × 3的矩形结构单元。 dst: 它是与src相同大小和类型的输出图像。 iterations:腐蚀操作的迭代次数，默认为1。次数越多, 腐蚀操作执行的次数越多,腐蚀效果越明显

import numpy as np
sun = cv2.imread('sun.png')
cv2.imshow('src',sun)
cv2.waitKey(0)
​
kernel1 = np.ones((3,3),np.uint8)  #设置kenenel大小,核改为3*3试试
erosion_1 = cv2.erode(sun,kernel1,iterations=2)  #iterations改为5试试
kernel2 = np.ones((5,5),np.uint8)  #设置kenenel大小,核改为5*5试试
erosion_2 = cv2.erode(sun,kernel2,iterations=2)
cv2.imshow('3*3erosion',erosion_1)
cv2.imshow('5*5erosion',erosion_2)
cv2.waitKey(0)

膨胀(dilate)

函数介绍

cv2.dilate(img, kernel, iteration) img – 目标图片 kernel – 进行操作的内核，默认为3×3的矩阵 iterations – 膨胀次数，默认为1