【无标题】

---

1. 腐蚀 (cv2.erode())

腐蚀操作是一种缩小图像中前景对象的过程。

腐蚀操作通过将结构元素与图像进行卷积，只有当结构元素完全覆盖图像中的前景像素时，中心像素才会被保留，否则会被腐蚀掉。

函数原型

cv2.erode(src, kernel, iterations=1)

src: 输入图像，通常是二值图像。
kernel: 结构元素，可以自定义或使用 cv2.getStructuringElement()生成。
iterations: 腐蚀操作的次数，默认为1。

	# 读取图像
    img = cv2.imread('D:\Word\keli.jpg')
    # 定义结构元素
    kernel = np.ones((5, 5), np.uint8)
    # 腐蚀操作
    eroded = cv2.erode(img, kernel, iterations=1)
    # 保存图片
    cv2.imwrite('D:\Word\keli_eroded.jpg', eroded)
    # 显示结果
    cv2.imshow('Eroded', eroded)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

iterations=1：

iterations = 3:

iterations = 6：

腐蚀操作会使图像中的前景对象变小，边缘被腐蚀掉，常用于去除噪声或分离连接的对象。(这里应该是白色背景被当成了前景对象，)

2. 膨胀 (cv2.dilate())

膨胀操作与腐蚀相反，它是一种扩大图像中前景对象的过程。

膨胀操作通过将结构元素与图像进行卷积，只要结构元素与图像中的前景像素有重叠，中心像素就会被保留。
函数原型

cv2.dilate(src, kernel, iterations=1)

src: 输入图像，通常是二值图像。
kernel: 结构元素，可以自定义或使用 cv2.getStructuringElement()生成。
iterations: 膨胀操作的次数，默认为1。

	# 读取图像
    img = cv2.imread('D:\Word\keli.jpg')
    # 定义结构元素
    kernel = np.ones((5, 5), np.uint8)
    # 腐蚀操作
    # eroded = cv2.erode(img, kernel, iterations=15)
    # 膨胀操作
    dilated = cv2.dilate(img, kernel, iterations=1)
    # 保存图片
    cv2.imwrite('D:\Word\keli_dilated.jpg', dilated)
    # 显示结果
    cv2.imshow('dilated', dilated)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

iterations=1:

iterations=3:

iterations=16：

膨胀操作会使图像中的前景对象变大，边缘被扩展，常用于填补前景对象中的空洞或连接断裂的对象。（这里显然是白色部分被膨胀了）

3. 开运算 (cv2.morphologyEx() with cv2.MORPH_OPEN)

开运算是先腐蚀后膨胀的组合操作。

开运算主要用于去除图像中的小噪声或分离连接的对象。

函数原型

cv2.morphologyEx(src, op, kernel)

src: 输入图像，通常是二值图像。
op: 形态学操作类型，开运算使用cv2.MORPH_OPEN。
kernel: 结构元素，可以自定义或使用 cv2.getStructuringElement() 生成。

开运算可以去除图像中的小噪声，同时保留图像中的主要前景对象。

4. 闭运算 (cv2.morphologyEx() with cv2.MORPH_CLOSE)

闭运算是先膨胀后腐蚀的组合操作。

闭运算主要用于填补前景对象中的小孔或连接断裂的对象。

函数原型

cv2.morphologyEx(src, op, kernel)

src: 输入图像，通常是二值图像。
op: 形态学操作类型，闭运算使用cv2.MORPH_CLOSE。
kernel: 结构元素，可以自定义或使用 cv2.getStructuringElement() 生成。

# 读取图像
    img = cv2.imread('D:\Word\keli.jpg')
    # 定义结构元素n
    kernel = np.ones((5, 5), np.uint8)
    # 闭运算
    closed_img = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
    # 保存图片
    cv2.imwrite('D:\Word\keli_closed_img.jpg', closed_img)
    # 显示结果
    cv2.imshow('closed_img', closed_img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

闭运算可以填补前景对象中的小孔，同时保留图像中的主要前景对象。

5. 形态学梯度 (cv2.morphologyEx() with cv2.MORPH_GRADIENT)

形态学梯度是膨胀图像与腐蚀图像的差值。

形态学梯度主要用于提取图像中前景对象的边缘。

函数原型

cv2.morphologyEx(src, op, kernel)

src: 输入图像，通常是二值图像。
op:形态学操作类型，形态学梯度使用 cv2.MORPH_GRADIENT。
kernel:结构元素，可以自定义或使用cv2.getStructuringElement() 生成。

# 读取图像
    img = cv2.imread('D:\Word\keli.jpg')
    # 定义结构元素n
    kernel = np.ones((5, 5), np.uint8)
    # 形态学梯度
    gratient_img = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
    # 保存图片
    cv2.imwrite('D:\Word\keli_gratient_img.jpg', gratient_img)
    # 显示结果
    cv2.imshow('gratient_img', gratient_img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

形态学梯度可以提取图像中前景对象的边缘，常用于边缘检测。