Opencv+Python笔记（四）图像的形态学处理

1.腐蚀与膨胀

膨胀用来处理缺陷问题，把缺陷填补掉，提高亮区面积； 腐蚀用来处理毛刺问题，把毛刺腐蚀掉，降低亮区面积。

腐蚀操作可以消除噪点，同时消除部分边界值，导致目标图像整体缩小。
膨胀操作可以使目标特征值增大，导致目标图像整体放大。

腐蚀的规则就是：kernel覆盖img的区域如果有白色，则把核的中心那个点标注为白色，如果该区域没有白色，则不用处理，这里相当于“&&”且运算
膨胀其实非常类似，只不过它关注的是核形状区域有没有黑色B，如果有，就把锚点涂成黑色

用1代表黑色0代表白色 对A图进行核为 3 * 3 的腐蚀操作后，中间的0会变成1 同理 对B图进行核为3 * 3的膨胀操作后，中间的1会变成0

Opencv API：

cv2.erode(src, kernel, iterations)  # 腐蚀
cv2.dilate(src, kernel, iterations)  # 膨胀

输入：1.src：要进行操作的图像；2.kernel：核结构；3.iterations：要进行腐蚀或者膨胀的次数，默认为1
输出：操作后得到的图像

卷积核核结构构造

kernel = np.ones((5, 5), np.uint8)  #创建一个大小为 5x5 的全为 1 的矩阵，数据类型为 unsigned int 8。它通常被用作图像处理中的卷积核。

2.开运算和闭运算

开运算是先腐蚀后膨胀（有利于把亮刺腐蚀掉）；闭运算是先膨胀后腐蚀（有利于把黑洞膨胀掉）图像比较亮的地方是图像的主体部分

开运算能够除去孤立的小点，毛刺和小桥，而总的位置和形状不便。开运算一般能平滑图像的轮廓，削弱狭窄部分，去掉较细的突出。

闭运算能够填平小湖（即小孔），弥合小裂缝，而总的位置和形状不变。闭运算也是平滑图像的轮廓，与开运算相反，它一般熔合窄的缺口和细长的弯口，去掉小洞，填补轮廓上的缝隙。

开运算用于去毛刺 闭运算用于去孔洞

Opencv API：

cv2.morphologyEx(src, op, kernel)

输入：1.src：要进行运算的图像；2.op：进行的操作类型；3.kernel：使用的卷积核类型
输出：开闭运算后得到的图像

3.礼帽与黑帽（顶帽与底帽）

（1）礼帽：取出亮度高的地方
顶帽运算 = 原图像 - 开运算
开运算可以消除暗背景下的高亮区域，那么如果用原图减去开运算结果就可以得到原图中灰度较亮的区域，所以又称白顶帽变换。
在二值图像中取出亮度较高的部分

（2）黑帽：取出亮度低的地方
底帽运算 = 原图像 - 闭运算
闭运算可以删除亮背景下的暗区域，那么用原图减去闭运算结果就可以得到原图像中灰度较暗的区域，所以又称黑底帽变换。
在二值图像中取出亮度较低的部分

Opencv API：

cv2.morphologyEx(src, op, kernel)

参数同上