这篇文章主要讲解了“OpenCV图像形态学如何处理”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“OpenCV图像形态学如何处理”吧！
1.腐蚀操作
从下面代码中可以看到有三幅腐蚀程度不同的图，腐蚀越严重像素就越模糊
import cv2import numpy as npfrom numpy import unicode if __name__ == '__main__': img1 = cv2.imread("D:/Jupyter_Notebooks/0.jpg") # 读取彩色图像(BGR) kernel = np.ones((3, 3), np.uint8) erosion = cv2.erode(img1, kernel) cv2.imshow("img1", erosion) # 显示叠加图像 dst img2 = cv2.imread("D:/Jupyter_Notebooks/0.jpg") # 读取彩色图像(BGR) kernel = np.ones((10, 10), np.uint8) erosion_1 = cv2.erode(img2, kernel) cv2.imshow('erosion_1', erosion_1) img3 = cv2.imread("D:/Jupyter_Notebooks/0.jpg") # 读取彩色图像(BGR) kernel = np.ones((30, 30), np.uint8) erosion_2 = cv2.erode(img3, kernel) cv2.imshow('erosion_2', erosion_2) cv2.waitKey(0) cv2.destroyAllWindows()binary_img = np.array([ [0, 0, 0, 0, 0], [0,255,255,255,0], [0,255,255,255,0], [0,255,255,255,0], [0, 0, 0, 0, 0]],np.uint8)ones((3,3),np.uint8) [[ 0 0 0 0 0] [ 0 0 0 0 0] [ 0 0 255 0 0] [ 0 0 0 0 0] [ 0 0 0 0 0]]通过上面的例子发现，经过3x3的kernel之后，最终只保留了中心的255像素，周边的255都变成了0。在进行腐蚀操作的时候，就是通过kernel大小的卷积在原图像上滑动，只有当kernel范围内的像素全为255时输出才为255，否则输出为0，所以kernel越大最终白色像素保留的会越少。
2.膨胀操作
图像经过膨胀之后，白色像素的范围变大了。在做膨胀的时候，只要当kernel范围内的像素有255时输出就为255。
3.开闭运算
开运算其实就是先通过腐蚀操作后面再进行膨胀，闭运算和开运算恰好相反先通过膨胀操作后面再进行腐蚀。
import cv2import numpy as npfrom numpy import unicode if __name__ == '__main__': img1 = cv2.imread("D:/Jupyter_Notebooks/0.jpg") # 读取彩色图像(BGR) # 定义kernel kernel = np.ones((3, 3), np.uint8) # 开运算 open_img = cv2.morphologyEx(img1, cv2.MORPH_OPEN, kernel) # 闭运算 close_img = cv2.morphologyEx(img1, cv2.MORPH_CLOSE, kernel) cv2.imshow("open_img", open_img) # 显示叠加图像 dst cv2.imshow("close_img", close_img) # 显示叠加图像 dst cv2.waitKey(0) cv2.destroyAllWindows()4.梯度运算
梯度运算等价于膨胀运算-腐蚀运算 梯度运算主要是用来保留图像的轮廓
5.Top Hat Black Hat运算
Top Hat运算等价于原始图像 - 开运算，Black Hat运算等价于闭运算 - 原始图像
形态学Top-Hat变换是指形态学顶帽操作与黑帽操作，前者是计算源图像与开运算结果图之差，后者是计算闭运算结果与源图像之差。
形态学Top-Hat变换是常用的一种滤波手段，具有高通滤波的某部分特性，可实现在图像中检测出周围背景亮结构或周边背景暗结构。
顶帽操作常用于检测图像中的峰结构。
黑帽操作常用于检测图像中的波谷结构。
import cv2import numpy as npfrom numpy import unicode if __name__ == '__main__': img1 = cv2.imread("D:/Jupyter_Notebooks/0.jpg") # 读取彩色图像(BGR) # 定义kernel kernel = np.ones((3, 3), np.uint8) tophat_img = cv2.morphologyEx(img1, cv2.MORPH_TOPHAT, kernel) blackhat_img = cv2.morphologyEx(img1, cv2.MORPH_BLACKHAT, kernel) cv2.imshow("tophat_img", tophat_img) # 显示叠加图像 dst cv2.imshow("blackhat_img", blackhat_img) # 显示叠加图像 dst cv2.waitKey(0) cv2.destroyAllWindows()感谢各位的阅读，以上就是“OpenCV图像形态学如何处理”的内容了，经过本文的学习后，相信大家对OpenCV图像形态学如何处理这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是编程网，小编将为大家推送更多相关知识点的文章，欢迎关注！
