1、腐蚀 cv2.erode()
可以删除图像中的噪音点。
可以删除毛边。
分割图像（当图像连接的不够紧密时） 。
img = cv2.erode(src=*,kernel=*,anchor=*,iterations=*,borderType=*,borderValue=*)
img：目标图像。
src：原始图像。
kernel：腐蚀核大小。
anchor：锚点位置，默认是：（-1，-1），核的中心。
iterations：腐蚀操作迭代次数。
borderType、borderValue：边界样式，边界值，使用默认即可。
import cv2
import numpy as nppie = cv2.imread('pie.png') # 圆
h,w = pie.shape[:2] # 图像的高，宽
pie[int(h/2-2):int(h/2+2),50:w-50]=0 # 在圆中间画一条线img1 = cv2.erode(src=pie,kernel=(11,11),iterations=3) # 腐蚀cv2.imshow('pie',pie)
cv2.imshow('img1',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
2、膨胀 cv2.dilate()
图像沿着边缘向外扩展的操作。
img = cv2.dilate(src=*,kernel=*,anchor=*,iterations=*,borderType=*,borderValue=*)
img：目标图像。
src：原始图像。
kernel：腐蚀核大小。
anchor：锚点位置，默认是：（-1，-1），核的中心。
iterations：腐蚀操作迭代次数。
borderType、borderValue：边界样式，边界值，使用默认即可。
import cv2
import numpy as nppie = cv2.imread('pie.png') # 圆
h,w = pie.shape[:2] # 图像的高，宽
pie[int(h/2-2):int(h/2+2),50:w-50]=0 # 在圆中间画一条线img1 = cv2.dilate(src=pie,kernel=(11,11),iterations=4)cv2.imshow('pie',pie)
cv2.imshow('img1',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
3、形态学通用函数 cv2.morphologyEx()
img = cv2.morphologyEx(src=*,op=*,kernel=*,anchor=*,iterations=*,borderType=*,borderValue=*)img：目标图像。
src：原始图像。
op：操作方式，常见操作方式如下表所示：
| 操作方式 | 解释 |
| MOREPH_ERODE | 腐蚀 |
| MOREPH_DILATE | 膨胀 |
| MOREPH_OPEN | 开运算 |
| MOREPH_CLOSE | 闭运算 |
| MOREPH_GRADIENT | 形态学梯度 |
| MOREPH_TOPHAT | 礼貌运算 |
| MOREPH_BLACKHAT | 黑帽运算 |
kernel：腐蚀核大小。
anchor：锚点位置，默认是：（-1，-1），核的中心。
iterations：腐蚀操作迭代次数。
borderType、borderValue：边界样式，边界值，使用默认即可。
4、开运算 cv2.morphologyEx()
先做腐蚀，在做膨胀操作。
import cv2
import numpy as nppie = cv2.imread('pie.png') # 圆
h,w = pie.shape[:2] # 图像的高，宽
pie[int(h/2-1):int(h/2+1),50:w-50]=255 # 在圆中间画一条线img1 = cv2.morphologyEx(src=pie,op=cv2.MORPH_OPEN,kernel=(11,11),iterations=3)cv2.imshow('pie',pie)
cv2.imshow('img1',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
5、闭运算
先做膨胀操作，在做腐蚀操作。
import cv2
import numpy as nppie = cv2.imread('pie.png') # 圆
h,w = pie.shape[:2] # 图像的高，宽
pie[int(h/2-1):int(h/2+1),50:w-50]=0 # 在圆中间画一条线img1 = cv2.morphologyEx(src=pie,op=cv2.MORPH_CLOSE,kernel=(11,11),iterations=3)cv2.imshow('pie',pie)
cv2.imshow('img1',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
6、形态学梯度
膨胀操作后的图像 - 腐蚀操作后的图像 = 图像边缘
import cv2pie = cv2.imread('pie.png') # 圆img1 = cv2.morphologyEx(src=pie,op=cv2.MORPH_GRADIENT,kernel=(11,11),iterations=3)cv2.imshow('pie',pie)
cv2.imshow('img1',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
7、礼帽运算
原始图像 - 开运算图像 = 礼帽运算
可以得到原始图像的噪音点。
import cv2
import numpy as nppie = cv2.imread('pie.png')h,w = pie.shape[:2]
pie[int(h/2-1):int(h/2+1),:]=255 # 在圆中间画一条线img1 = cv2.morphologyEx(src=pie,op=cv2.MORPH_TOPHAT,kernel=(11,11))cv2.imshow('pie',pie)
cv2.imshow('img1',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
8、黑帽运算
原始图像 - 闭运算图像 = 黑帽运算
import cv2
import numpy as nppie = cv2.imread('pie.png')h,w = pie.shape[:2]
pie[int(h/2-1):int(h/2+1),:]=255 # 在圆中间画一条线img1 = cv2.morphologyEx(src=pie,op=cv2.MORPH_BLACKHAT,kernel=(11,11))cv2.imshow('pie',pie)
cv2.imshow('img1',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
9、核函数
kernel = cv2.getStructuringElement(shape=*,ksize=,anchor=*)
kernel：核矩阵。
shape：内核形状，常见的参数如下：
| 参数 | 解释 |
| MORPH_RECT | 所有元素都是1 |
| MORPH_ELLIPSE | 椭圆形位置为1 |
| MORPH_CROSS | 十字形位置是1 |
ksize：内核大小。
anchor：内核锚点，默认为：（-1，-1），核中心位置。
import cv2kernel1 = cv2.getStructuringElement(shape=cv2.MORPH_RECT,ksize=(5,5))
kernel2 = cv2.getStructuringElement(shape=cv2.MORPH_ELLIPSE,ksize=(5,5))
kernel3 = cv2.getStructuringElement(shape=cv2.MORPH_CROSS,ksize=(5,5))
print(kernel1)
print(kernel2)
print(kernel3)cv2.waitKey(0)
cv2.destroyAllWindows()[[1 1 1 1 1] [[0 0 1 0 0] [[0 0 1 0 0][1 1 1 1 1] [1 1 1 1 1] [0 0 1 0 0][1 1 1 1 1] [1 1 1 1 1] [1 1 1 1 1][1 1 1 1 1] [1 1 1 1 1] [0 0 1 0 0][1 1 1 1 1]] [0 0 1 0 0]] [0 0 1 0 0]]
