PythonOpencv形态学操作cv2.morphologyEx（）函数详解和示例，实现腐蚀、膨胀、闭和开等运算

陈桑

常用的形态学操作如腐蚀、膨胀、开运算、闭运算等，可以帮助我们解决一下图像不连接或消除图像中某些不想要的连接，对于图像处理使用方便，效果明显。本文通过示例对这些功能和效果进行演示，以帮助大家理解和使用。cv2.morphologyEx（）函数详解cv2.morphologyEx是OpenCV中的一个函数，用于执行形态学操作，如腐蚀、膨胀、开运算、闭运算等。这个函数的基本语法如下：retval,dst=cv2.morphologyEx(src,op,kernel[,dst[,anchor]])参数：src：源图像，必须是单通道的灰度图像。op：形态学操作的类型，可以是以下几种：cv2.MORPH_ERODE：腐蚀操作。cv2.MORPH_DILATE：膨胀操作。cv2.MORPH_OPEN：开运算。cv2.MORPH_CLOSE：闭运算。cv2.MORPH_GRADIENT：形态学梯度。cv2.MORPH_TOPHAT：原图像减去膨胀的图像。cv2.MORPH_HITMISS：结构元素对应的点集比较。kernel：形态学操作的核，通常是一个矩形、椭圆或十字形的小矩阵。核的大小可以是正奇数。dst（可选）：输出图像，如果未指定，则函数会创建一个新的输出图像。anchor（可选）：核的锚点，默认是核的中心。123456789101112131415如上面op参数不同功能不同，我们可以改变op的参数以实现不同的功能。腐蚀操作腐蚀操作在图像处理中具有多种应用，其主要作用是消除图像中的噪声、细化对象、断开连接的对象等。腐蚀操作通过逐渐消除边界上的像素点，使图像向中心收缩，从而达到消除噪声、断开连接对象的效果。importcv2importnumpyasnp#读取图像img=cv2.imread('1.jpg',0)#定义核kernel=np.ones((9,9),np.uint8)eroded=cv2.morphologyEx(img,cv2.MORPH_ERODE,kernel)#腐蚀操作#eroded=cv2.erode(img,kernel)#显示结果cv2.imshow('Original',img)cv2.imshow('Erosion',eroded)cv2.waitKey(0)cv2.destroyAllWindows()1234567891011121314151617注意，这里kernel值设置直接影响最后的结果，下面改变不同的核值，以对比其效果。上图为原图上图左边为33核大小腐蚀结果，右边为99核大小腐蚀结果。可以看出，核变大之后效果更明显，尤其是在图像上端，比较尖的区域。膨胀图像中每个像素与一个结构元素进行卷积来完成的。膨胀操作可以使前景区域扩张，填充空洞和连接断裂的区域主要代码与腐蚀相同，将cv2.MORPH_ERODE替换为cv2.MORPH_DILATE：DILATE33=cv2.morphologyEx(img,cv2.MORPH_DILATE,kernel33)1kernel的值进行自定义即可，在此处使用两个数值进行对比。kernel1515=np.ones((15,15),np.uint8)kernel33=np.ones((3,3),np.uint8)12原图如下：效果图进行膨胀操作，下图左边核大小为33，右边为1515.可以看出，卷积核越大，连接的效果越好，但也会把中间部分进行连接。开运算和闭运算是腐蚀和膨胀的组合操作，只是进行的顺序不同，实现的效果也不同。开运算先进行腐蚀运算，再进行膨胀运算。开运算的效果是能够除去孤立的小点、毛刺和小桥，而总的位置和形状不便。开运算是一个基于几何运算的滤波器，结构元素大小的不同将导致滤波效果的不同。替换代码中的cv2.morphologyEx(img,cv2.MORPH_DILATE,kernel33)1效果图左边为33的核大小效果，右边为1515的核大小效果。可以看出当核为33时效果不明显，而值为1515时已经把连接较少的地方直接断开。闭运算先进行膨胀运算，再进行腐蚀运算。闭运算的效果是能够填平小湖（即小孔）、弥合小裂缝，而总的位置和形状不变。闭运算是通过填充图像的凹角来滤波图像的，结构元素大小的不同将导致滤波效果的不同。上图左边为33的核大小，右边为1515的核大小。下图中，左边为2121的核大小，右边为2525的核大小，可以看出随着核大小的增大，连接的效果在变好。总结不同的操作和运算对图像的处理不同，但相应的核大小要根据自己的项目和应用设置，设置不当也会影响其效果。