OpenCV 形态学操作之腐蚀与膨胀，开运算与闭运算，顶帽与黑帽，图像梯度运算相关知识点回顾

Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 45 篇。

基础知识铺垫

今天咱们对 OpenCV 形态学操作进行一下回顾，在之前的博客中已经进行了首次学习，如果你还没有看到，可以翻阅 本篇博客，当然还有这篇博客后面的那篇博客。

腐蚀与膨胀

先上结论，腐蚀就是吃掉边缘，膨胀就是扩展边缘。

这次测试前，橡皮擦提前准备了一张图片，测试起来就方便多了，下图的亮点是漂亮（注意这个图的背景色是纯白色）。

对其进行腐蚀操作的代码是：

import cv2 as cv
import numpy as np
src = cv.imread("./t2.png")
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

# 二值化
ret, thresh = cv.threshold(gray, 127, 255, cv.THRESH_BINARY)
# 腐蚀
kernel = np.ones((5, 5), np.uint8)
dst = cv.erode(thresh, kernel=kernel)

cv.imshow("dst", dst)
cv.waitKey(0)
cv.destroyAllWindows()

运行时候，发现文字加粗加黑了，这里要记住，腐蚀是把白色像素吃掉，黑色像素区域越来越多。

如果我们只是单纯的想要去掉原图中的细线，在做二值化的时候，注意反向操作，修改代码如下：

# 二值化
ret, thresh = cv.threshold(gray, 127, 255, cv.THRESH_BINARY_INV)
# 腐蚀
kernel = np.ones((3, 3), np.uint8)
dst = cv.erode(thresh, kernel=kernel)

卷积核调小一些，要不主要的文字都给腐蚀掉了。

膨胀操作，让白色像素区域变多。

import cv2 as cv
import numpy as np
src = cv.imread("./t2.png")
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

# 二值化
ret, thresh = cv.threshold(gray, 127, 255, cv.THRESH_BINARY_INV)
# 腐蚀
kernel = np.ones((3, 2), np.uint8)
dst1 = cv.erode(thresh, kernel=kernel)
# 膨胀
dst2 = cv.dilate(dst1, kernel=kernel)

image = np.vstack((dst1,dst2))
cv.imshow("image", image)
cv.waitKey(0)
cv.destroyAllWindows()

开闭操作

开运算与闭运算就是将腐蚀与膨胀合并到了一个函数中，详细说明在橡皮擦的博客 也有说明。

我们可以应用 cv2.morphologyEx 函数解决开闭运算，后面的顶帽与黑帽也是应用该函数。

不断的进行开运算，会看到黑色的区域一点点的被腐蚀掉了，白色区域逐渐扩大，因为开运算时先腐蚀后膨胀。

# 开操作
kernel = np.ones((3, 3), np.uint8)
dst1 = cv.morphologyEx(thresh, cv.MORPH_OPEN, kernel,iterations=1)
dst2 = cv.morphologyEx(thresh, cv.MORPH_OPEN, kernel,iterations=2)
dst5 = cv.morphologyEx(thresh, cv.MORPH_OPEN, kernel,iterations=5)
dst10 = cv.morphologyEx(thresh, cv.MORPH_OPEN, kernel,iterations=10)

image = np.hstack((dst1,dst2,dst5,dst10))

闭运算结果，黑色区域逐渐扩大。

顶帽与黑帽

顶帽也叫做礼帽
顶帽：原图像与开运算结果图之差
黑帽：闭运算结果图与原图像之差

这个地方细琢磨就有趣了，开运算结果可以去除噪声，顶帽是用原图像减去开运算结果，那岂不是为了获取噪声？实际测试之后还真就得到了噪声。

# 开操作
kernel = np.ones((3, 3), np.uint8)
open_img = cv.morphologyEx(thresh, cv.MORPH_OPEN, kernel, iterations=1)


# 顶帽运算
dst = cv.morphologyEx(thresh, cv.MORPH_TOPHAT, kernel)
image = np.hstack((gray, open_img, dst))

黑帽操作，得到图像内部的小孔，或前景色的小黑点，下面的图像中在白色星星中可以获取一个笑脸，即前景色中的小黑点。

# 闭运算
kernel = np.ones((5, 5), np.uint8)
close_img = cv.morphologyEx(thresh, cv.MORPH_CLOSE, kernel, iterations=1)

# 黑帽运算
dst = cv.morphologyEx(thresh, cv.MORPH_BLACKHAT, kernel)
image = np.hstack((gray, close_img, dst))
cv.imshow("image", image)

形态学梯度（Gradient）

简单说就是用膨胀之后的图像，减去腐蚀后的图像，得到的就是梯度图像。形态学梯度的处理结果是图像中物体的边界。

kernel = np.ones((5, 5), np.uint8)
# 闭运算
close_img = cv.morphologyEx(thresh, cv.MORPH_CLOSE, kernel, iterations=1)
# 开运算
open_img = cv.morphologyEx(thresh, cv.MORPH_OPEN, kernel, iterations=1)
# 梯度运算
result = cv.morphologyEx(thresh, cv.MORPH_GRADIENT, kernel, iterations=1)

橡皮擦的小节

希望今天的 1 个小时你有所收获，我们下篇博客见~

相关阅读

技术专栏

1. Python 爬虫 100 例教程，超棒的爬虫教程，立即订阅吧
2. Python 爬虫小课，精彩 9 讲

今天是持续写作的第 87 / 100 天。
如果你想跟博主建立亲密关系，可以关注同名公众号 梦想橡皮擦，近距离接触一个逗趣的互联网高级网虫。
博主 ID：梦想橡皮擦，希望大家点赞、评论、收藏。