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() 复制代码运行时候，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) 复制代码
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() 复制代码开闭操作
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)) 复制代码
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)) 复制代码
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) 复制代码形态学梯度（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) 复制代码
橡皮擦的小节
作者：梦想橡皮擦
链接：https://juejin.cn/post/7022228090310885413