2019-7-17 opencv图像处理5-形态学变换（Morphological Transformations）

官网参见https://docs.opencv.org/3.4.1/d9/d61/tutorial_py_morphological_ops.html

形态学变化可以用来解决抑制噪声、特征提取、边缘检测、图像分割、形状识别、纹理分析、图像恢复与重建、图像压缩等图像处理问题。

内容概要

• 腐蚀， cv2.erode(），去白色噪音，分离连接物体
• 膨胀， cv2.dilate(），扩大前景区域，连接物体被断开部分
• 开运算，cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)，先腐蚀再膨胀。用于去除噪音，同时保持前景不缩小
• 闭运算，cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)，先膨胀再腐蚀。用于填充前景物体小洞，或者去除前景小黑点
• 形态学梯度，cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)，膨胀图和腐蚀图只差。用于获得物体边缘。
• 顶帽，cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)，原始图像和开运算后图像之差，往往用来分离比临近点亮一些的斑块。
• 黑帽， cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)，闭运算后的图像和原始图像之差，用来分离比临近点暗一些的斑块，效果图有着非常完美的轮廓。
• 结构化元素，矩形核，圆形核，椭圆核

形态学变换是基于图像形状的一些简单操作，通常是对二值化图像进行操作。
它需要2个参数，一个是原始图像，另外一个被称为结构化元素或者核，它决定了操作的性质。有2个基本的形态学操作：腐蚀和膨胀。它们的变化形式有开运算，闭运算，梯度等。

1.腐蚀

形态学腐蚀的基本概念和土壤腐蚀一样，会把图像中前景物体的边界腐蚀掉（通常会保持前景为白色）。它是怎么做到的呢？

以2D卷积为例，参见https://blog.youkuaiyun.com/weixin_42555985/article/details/96101079），当卷积核在图像中滑动，如果核对应的原始图像中所有像素值都是1（注意：图像中元素值要么是1要么是0），中心元素会变为1；反之，则变为0。
这样做的结果就是，靠近边界的图像元素会根据卷积核的大小决定是否被抛弃（或者说腐蚀掉，也就是变为0）。

腐蚀会让前景物体的厚度或者说大小在整个图像中变小，也可以说图像中的白色区域减少（因为前景是白色的）。

腐蚀可以去除图像中的小白色噪音，也可以用于分离2个连接在一起的物体。

例1，简单的腐蚀，5x5核

# -*- coding: cp9