摘要：圖像腐蝕腐蝕的基本思想侵蝕前景物體的邊界總是試圖保持前景為白色內(nèi)核在圖像中滑動如在卷積中只有當(dāng)內(nèi)核下的所有像素都是時，原始圖像中的像素或才會被認(rèn)為是，否則它會被侵蝕變?yōu)榱氵吔绺浇乃邢袼囟紝⒈粊G棄，具體取決于內(nèi)核的大小因此，前景對象的厚度

Morphological Transformations

腐蝕的基本思想：侵蝕前景物體的邊界（總是試圖保持前景為白色）；內(nèi)核在圖像中滑動（如在2D卷積中）.只有當(dāng)內(nèi)核下的所有像素都是1時，原始圖像中的像素（1或0）才會被認(rèn)為是1，否則它會被侵蝕（變?yōu)榱悖?

邊界附近的所有像素都將被丟棄，具體取決于內(nèi)核的大小.因此，前景對象的厚度或大小減小，或者圖像中的白色區(qū)域減小.
它有助于消除小的白噪聲，分離兩個連接的對象
原圖：

代碼：

import cv2
import numpy as np

img = cv2.imread("img7.png",0)

kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)

cv2.imshow("src",img)
cv2.imshow("show",erosion)
cv2.waitKey()

效果圖：

它恰好與侵蝕相反。 這里，如果內(nèi)核下的至少一個像素為“1”，則像素元素為“1”. 因此它增加了圖像中的白色區(qū)域或前景對象的大小增加.
通常，在去除噪音的情況下，腐蝕之后是膨脹.因為，侵蝕會消除白噪聲，但它也會縮小我們的物體，所以我們膨脹它，由于噪音消失了，它們不會再回來，則我們的物體區(qū)域會增加。 它也可用于連接對象的破碎部分.

代碼：

import cv2
import numpy as np

img = cv2.imread("img7.png",0)

kernel = np.ones((5,5),np.uint8)
dilation = cv2.dilate(img,kernel,iterations = 1)

cv2.imshow("src",img)
cv2.imshow("show",dilation)
cv2.waitKey()

cv2.morphologyEx() ：先腐蝕再膨脹，有助于消除噪音.
代碼：

import cv2
import numpy as np
import matplotlib.pylab  as plt

img = cv2.imread("img8.png",0)

kernel = np.ones((5,5),np.uint8)
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

cv2.imshow("src",img)
cv2.imshow("show",opening)
cv2.waitKey()

先膨脹后腐蝕，用于消除前景對象內(nèi)的小孔或?qū)ο笊系男『邳c.
代碼：

import cv2
import numpy as np

img = cv2.imread("img9.png",0)

kernel = np.ones((5,5),np.uint8)
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

cv2.imshow("src",img)
cv2.imshow("show",closing)
cv2.waitKey()

圖像的膨脹和腐蝕之間的差異，結(jié)果看起來像目標(biāo)的輪廓
代碼：

import cv2
import numpy as np

img = cv2.imread("img7.png",0)

kernel = np.ones((5,5),np.uint8)
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)


cv2.imshow("src",img)
cv2.imshow("show",gradient)
cv2.waitKey()

原圖像與開運算圖的區(qū)別，突出原圖像中比周圍亮的區(qū)域
代碼：

import cv2
import numpy as np

img = cv2.imread("img7.png",0)

kernel = np.ones((5,5),np.uint8)
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)


cv2.imshow("src",img)
cv2.imshow("show",tophat)
cv2.waitKey()

閉運算圖 - 原圖像,突出原圖像中比周圍暗的區(qū)域
代碼：

import cv2
import numpy as np

img = cv2.imread("img7.png",0)

kernel = np.ones((5,5),np.uint8)
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

cv2.imshow("src",img)
cv2.imshow("show",blackhat)
cv2.waitKey()

我們在Numpy的幫助下創(chuàng)建了前面示例中的矩形結(jié)構(gòu)元素. 但在某些情況下，可能需要橢圓/圓形內(nèi)核。 所以為此，OpenCV有一個函數(shù)cv2.getStructuringElement（）. 只需傳遞內(nèi)核的形狀和大小，即可獲得所需的內(nèi)核.
代碼：

# Rectangular Kernel
cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))

Out[4]: 
array([[1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1]], dtype=uint8)
       
# Elliptical Kernel
cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
Out[5]: 
array([[0, 0, 1, 0, 0],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [0, 0, 1, 0, 0]], dtype=uint8)
       
# Cross-shaped Kernel
cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
Out[6]: 
array([[0, 0, 1, 0, 0],
       [0, 0, 1, 0, 0],
       [1, 1, 1, 1, 1],
       [0, 0, 1, 0, 0],
       [0, 0, 1, 0, 0]], dtype=uint8)