【opencv-python】形态学转换—开/闭运算/形态学梯度/礼帽/黑帽
参考资料
通过cv2.morphologyEx()函数，可以实现图像的开/闭运算/形态学梯度/礼帽/黑帽运算，函数说明如下图所示：
每一种形态学的含义如下图所示：
如公式所述，开运算就是对图像先进行腐蚀再进行膨胀操作，代码为：
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
处理效果为：
因为在进行腐蚀的过程中，杂散小斑点被替换为0，再次进行膨胀后，原有的杂散小斑点将不会重现，而主要信息区域基本不受影响，因此这种操作可以实现对杂散点滤波的效果。
相反，闭运算可以实现图像中连续区域内部空洞的填充，其本质是先膨胀后腐蚀，代码如下：
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
效果如下图所示：
形态学梯度就是分别将图片进行膨胀和腐蚀，然后将膨胀和腐蚀后图像做差分，具体体现为提取到了图片内容区域的轮廓信息，代码和运行效果如下图所示：
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
礼帽操作是原始图像与进行开运算之后得到的图像的差，下面的例子是用一个 9x9 的核进行礼帽操作的结果。示例代码即程序效果为：
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
而黑帽与礼帽相反，代表代表闭运算和原始图片之差，代码和演示效果如下图所示：
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
***
感谢支持，欢迎关注，丰富技术/学术内容持续更新！
opencv-python快速入门视频教程