1. 腐蚀操作

• 读取图片，如下所示：

import cv2
img = cv2.imread('E:/opencv/open-cv/2-7/dige.png')cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

• 腐蚀函数cv2.erode()

cv2.erode(img, kernel, iteration)

参数说明：img表示的是输入图片，kernel表示的是方框的大小，iteration表示迭代的次数

腐蚀操作原理：存在一个kernel，比如(4, 4)，在图像中不断的平移，在这个16方框中，哪一种颜色所占的比重大，16个方格中将都是这种颜色。

python实现如下：

import numpy as np
kernel = np.ones((3,3),np.uint8) 
erosion = cv2.erode(img,kernel,iterations = 1)cv2.imshow('erosion', erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()

对比核大小图像如下：

2*2的核

3*3的核

4*4的核

可以看出来核比较小时效果有点差，如核大小为2*2。

对比不同迭代次数的效果：可以看出来迭代次数很大，基本上全被腐蚀掉了。

kernel = np.ones((4,4),np.uint8) 
erosion_1 = cv2.erode(img,kernel,iterations = 1)
erosion_2 = cv2.erode(img,kernel,iterations = 2)
erosion_3 = cv2.erode(img,kernel,iterations = 3)
res = np.hstack((erosion_1,erosion_2,erosion_3))
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 膨胀操作

cv2.dilate()函数，里面参数和腐蚀函数中一致。

其不同迭代次数图像膨胀对比：

pie = cv2.imread('E:/opencv/open-cv/2-7/dige.png')kernel = np.ones((10,10),np.uint8) 
dilate_1 = cv2.dilate(pie,kernel,iterations = 1)
dilate_2 = cv2.dilate(pie,kernel,iterations = 2)
dilate_3 = cv2.dilate(pie,kernel,iterations = 3)
res = np.hstack((dilate_1,dilate_2,dilate_3))
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

和腐蚀一样，其迭代次数很大时，图片膨胀过大了。

3. 开运算和闭运算

• 开运算：是指先腐蚀操作，再进行膨胀操作

• cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)：里面参数分别为img图像，cv2.MORPH_OPEN为开运算，kernel为核。

img = cv2.imread('E:/opencv/open-cv/2-7/dige.png')kernel = np.ones((5,5),np.uint8) 
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)cv2.imshow('opening', opening)
cv2.waitKey(0)
cv2.destroyAllWindows()

• 闭运算：先进行膨胀操作，再进行腐蚀操作。

• cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)：里面参数分别为img图像，cv2.MORPH_CLOSE为开运算，kernel为核。

img = cv2.imread('E:/opencv/open-cv/2-7/dige.png')kernel = np.ones((5,5),np.uint8) 
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)cv2.imshow('closing', closing)
cv2.waitKey(0)
cv2.destroyAllWindows()

可以看出，闭运算和原图基本上没啥区别。

4. 梯度运算

• 梯度运算：梯度=膨胀-腐蚀

• cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel)：就是和开运算和闭运算换了个函数 cv2.MORPH_GRADIENT。

先分别进行腐蚀和膨胀操作，效果如下：

pie = cv2.imread('E:/opencv/open-cv/2-7/dige.png')
kernel = np.ones((4,4),np.uint8) 
dilate = cv2.dilate(pie,kernel,iterations = 2)
erosion = cv2.erode(pie,kernel,iterations = 2)res = np.hstack((dilate,erosion))cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

再进行梯度运算：

gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel)cv2.imshow('gradient', gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()

5. 礼帽和黑帽

• 礼帽 = 原始输入-开运算结果

• cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)：cv2.MORPH_TOPHAT礼帽主要是设置这个参数

img = cv2.imread('E:/opencv/open-cv/2-7/dige.png')
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('tophat', tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()

• 黑帽 = 闭运算-原始输入

• cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)：cv2.MORPH_BLACKHAT黑帽主要是设置这个参数

img = cv2.imread('E:/opencv/open-cv/2-7/dige.png')
blackhat  = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('blackhat ', blackhat )
cv2.waitKey(0)
cv2.destroyAllWindows()