形态学转换

形态变换是一些基于图像形状的简单操作。通常在二进制图像上执行。它需要两个输入，一个是原始图像，第二个是决定操作性质的结构元素或内核。两种基本的形态学算子是侵蚀和膨胀。然后，它的变体形式（如“打开”，“关闭”，“渐变”等）也开始起作用。

1.侵蚀

侵蚀的基本思想就像土壤侵蚀一样，它侵蚀前景物体的边界（尽量使前景保持白色）。内核滑动通过图像（在2D卷积中）。原始图像中的一个像素（无论是1,还是0）只有当内核下的所有像素都是1时才被认为是1，否则它就会被侵蚀（变成0）。

结果是，根据内核的大小，边界附近的所有像素都会被丢弃。因此，前景物体的厚度或大小减小，或只是图像中的白色区域减小。它有助于去除小的白色噪声，分离两个连接的对象等。

import cv2 as cv
import numpy as np

img=cv.imread('./images/erosion.jpeg',0)
kernel=np.ones((10,10),np.uint8)
erosion=cv.erode(img,kernel,iterations=3)
cv.imshow('img',img)
cv.imshow('erosion',erosion)
cv.waitKey(0)
cv.destroyAllWindows()

2.扩张

它与侵蚀正好相反。如果内核下的至少一个像素为1，则像素元素为1。因此，他会增加图像中的白色区域或增加前景对象的大小。通常在消除噪音的情况下，腐蚀后会膨胀。因为腐蚀会消除白噪声，但也会缩小物体。因此，对其进行了扩展。由于噪音消失了，它们不会回来，但是目标区域增加了。

dilation=cv.dilate(img,kernel,iterations=3)

3.开运算

开放只是“侵蚀然后扩张”的另一个名称。它对于消除噪音很有用。使用函数cv.morphologyEx()

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

4.闭运算

闭运算与开运算相反，先扩张然后再侵蚀。在关闭前景对象内部的小孔或对象上的小黑点时很有作用。

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

5.形态学梯度

这是图像扩张和侵蚀之间的区别。结果将看起来像对象的轮廓。

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

结果：

 6.顶帽

它是输入图像与图像开运算之差。

tophat=cv.morphologyEx(img,cv.MORPH_TOPHAT,kernel)

7.黑帽

这是输入图像和图像闭运算之差。

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

形态学操作之间的关系

 结构元素

之前的例子都是使用numpy构建了结构化元素，但是是正方形若需要构建椭圆或圆形的核，可以使用opencv提供的函数cv.getStructuringElement()，只需要告诉它需要的核的形状和大小。