OpenCV - 形态学转换（Python实现）

最新推荐文章于 2025-05-18 09:04:30 发布

原创

最新推荐文章于 2025-05-18 09:04:30 发布 · 881 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#OpenCV #形态学 #Python

本文深入探讨了OpenCV库在Python中的形态学转换，包括使用cv2.getStructuringElement创建不同形状的结构元素，以及腐蚀、膨胀、开运算、闭运算、形态学梯度、礼帽和黑帽等操作的原理和应用。这些技术常用于图像处理中的噪声去除、物体分离和形状填充等任务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

结构化元素
使用 Numpy 构建结构化元素，它是正方形的。但有时我们需要构建一个椭圆形/圆形的核。为了实现这种要求，提供了 OpenCV函数 cv2.getStructuringElement()。

cv2.getStructuringElement( )

第一个参数表示内核的形状，有三种形状可以选择。
矩形：MORPH_RECT;
交叉形：MORPH_CROSS;
椭圆形：MORPH_ELLIPSE;

第二个参数表示内核的尺寸。
第三个参数表示锚点的位置，有默认值Point（-1,-1），表示锚点位于中心点。

一. 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。

cv2.erode(img,kernel,iterations)

参数	释义
src	参数表示待处理的输入图像
kernel	指腐蚀操作的内核，默认是一个简单的3X3矩阵
iterations	指的是腐蚀次数，省略是默认为1

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('image.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iteration