OpenCV笔记14：形态转换

1、学习目标
最基本的形态学操作是两个：侵蚀和膨胀。它们有广泛的用途，即，消除噪音隔离单个元素并连接图像中的不同元素，查找图像中的强度凸起或孔。

（1）如何使用OpenCV进行形态转换。
（2）学习不同的形态学操作，如侵蚀，膨胀，开放，关闭等。
2、使用的函数方法
cv.erode（）
cv.dilate（）
cv.morphologyEx（）
3、程序

结果

程序函数讲解：
腐蚀和膨胀是针对白色部分（高亮部分）而言的。
膨胀：对图像高亮部分进行“领域扩张”，效果图拥有比原图更大的高亮区域；
腐蚀：原图中的高亮区域被蚕食，效果图拥有比原图更小的高亮区域。
（1）膨胀操作
该操作包括将图像A与一些内核（B）卷积，内核（B）可以具有任何形状或大小，通常是正方形或圆形。

内核B有一个定义的锚点，通常是内核的中心。

当在图像上扫描内核B时，我们计算由B重叠的最大像素值，并用该最大值替换锚点位置中的图像像素。这种最大化操作会导致图像中的明亮区域“增长”（因此称为扩张）。

如果内核下的至少一个像素为“1”，则像素元素为“1”。

cv.dilate（img,kernel,iterations=）
参数：
img       ：源图像
kernel    ：卷积内核
iterations：迭代次数

（2）
侵蚀操作
内核在图像中滑动（如在2D卷积中）。只有当内核下的所有像素都是1时，原始图像中的像素（1或0）才会被视为1，否则它将被侵蚀（变为零）。

cv2.erode(img,kernel,iterations)

（3）
开放：侵蚀，然后扩张
它有助于消除噪音。

opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

（4）
关闭：膨胀之后是侵蚀
它可用于关闭前景对象内的小孔或对象上的小黑点。

closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

（5）
形态学梯度
它是图像的膨胀和侵蚀之间的差异。
结果看起来像对象的轮廓。

gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

（6）
黑帽
它是输入图像关闭和输入图像之间的差异。

blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

（7）
返回一个给定形状和类型的新数组，数组是由1填充的。。

numpy.ones(shape, dtype=None, order='C')

参数：	
shape ： int或int的序列
新阵列的形状，例如，或。(2, 3)2

dtype ： 数据类型，可选
数组的所需数据类型，例如numpy.int8。默认是 numpy.float64。

order ： {'C'，'F'}，可选，默认：C
是否在内存中以行主（C风格）或列主（Fortran风格）顺序存储多维数据。

返回：	
出 ： ndarray
具有给定形状，dtype和顺序的数组。