目录
形态学—腐蚀操作
对于上示图像，发现有像毛一样的东西，如何去把它去掉？（erode函数）
首先我们先读取这张照片
img=cv2.imread('dige.png')
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
#（5,5）是盒的大小
kernel=np.ones((5,5),np.uint8)
#iterations是迭代次数，即腐蚀次数
erosion=cv2.erode(img,kernel,iterations=1)
cv2.imshow('erosion',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()
处理后的结果如下图，可以看到，毛边没有了，而且线条变细了
形态腐蚀，即在一个盒内周围区域的颜色相同则不变，颜色不同（如圆的边缘部分的盒中有黑有白），就会将这个点腐蚀掉（变为黑色），每迭代一次就会腐蚀一次（圆越来越小）
pie=cv2.imread('pie.png')
cv2.imshow('pie',pie)
cv2.waitKey(0)
cv2.destroyAllWindows()
kernel=np.ones((30,30),np.uint8)
erosion_1=cv2.erode(pie,kernel,iterations=1)
erosion_2=cv2.erode(pie,kernel,iterations=2)
erosion_3=cv2.erode(pie,kernel,iterations=3)
res=np.hstack((erosion_1,erosion_2,erosion_3))
cv2.imshow('res',res)
cv2.waitKey(0)
cv2.destroyAllWindows()
形态学—膨胀操作
仍然采用迪哥图片，先读取图片，然后进行腐蚀操作，腐蚀后发现迪哥的线条变细了，然后开始进行膨胀操作。（dilate函数）
kernel =np.ones((3,3),np.uint8)
#dige_dilate为腐蚀之后的图像
dige_dilate=cv2.dilate(dige_erosion,kernel,iterations=1)
cv2.imshow('dilate',dige_dilate)
cv2.waitKey(0)
cv2.destroyAllWindows()
膨胀操作，盒中框选到了白色，则将其置为白色，与腐蚀操作相反。
pie=cv2.imread('pie.png')
kernel=np.ones((30,30),np.uint8)
dilate_1=cv2.dilate(pie,kernel,iterations=1)
dilate_2=cv2.dilate(pie,kernel,iterations=2)
dilate_3=cv2.dilate(pie,kernel,iterations=3)
res=np.hstack((dilate_1,dilate_2,dilate_3))
cv2.imshow('res',res)
cv2.waitKey(0)
cv2.destroyAllWindows()
开运算与闭运算
两种参数，由下方两个指定
- cv2.MORPH_OPEN
- cv2.MORPH_CLOSE
#开：先腐蚀，再膨胀
img=cv2.imread('dige.png')
kernel=np.ones((5,5),np.uint8)
opening=cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)
cv2.imshow('opening',opening)
cv2.waitKey(0)
cv2.destroyAllWindows()
#闭：先膨胀，再腐蚀
img=cv2.imread('dige.png')
kernel=np.ones((5,5),np.uint8)
closing=cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)
cv2.imshow('closing',closing)
cv2.waitKey(0)
cv2.destroyAllWindows()
先腐蚀再膨胀，可以去掉毛刺；先膨胀，再腐蚀，毛刺变的比以前还大了。
剃度运算
剃度运算做三件事，一是对原始图像进行一个膨胀，二是对原始图像进行一个腐蚀，三是用膨胀的减去腐蚀的。（图像当中的减法）
#梯度=膨胀-腐蚀
pie=cv2.imread('pie.png')
kernel=np.ones((7,7),uint8)
dilate=cv2.dilate(pie,kernel,iterations=5)
erosion=cv2.erode(pie,kernel,iterations=5)
res=np.hstack((dilate,erosion))
cv2.imshow('res',res)
cv2.waitKey(0)
cv2.destroyAllWindows()
- cv2.MORPH_GRADIENT 梯度参数
gradient=cv2.morphologyEx(pie,cv2.MORPH_GRADIENT,kernel)
cv2.imshow('gradient',gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()
礼帽与黑帽
- cv2.MORPH_TOPHAT 礼帽=原始输入-开运算结果
如迪哥例子，原始输入带有毛边，开运算是先腐蚀再膨胀去掉了毛边，所以礼帽剩下的就是毛边
- cv2.MORPH_BLACKHAT 黑帽=闭运算-原始输入
闭运算是先膨胀再腐蚀，仍然带有毛边，减去原始输入，应剩下一个迪哥的轮廓
#礼帽
img=cv2.imread('dige.png')
tophat=cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)
cv2.imshow('tophat',tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()
#黑帽
img=cv2.imread('dige.png')
blackhat=cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)
cv2.imshow('blackhat',blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()
