写在前面
本篇文章是opencv学习的第三篇文章，主要讲解了图像的形态学有关操作，作为初学者，我尽己所能，但仍会存在疏漏的地方，希望各位看官不吝指正❤️
写在中间
读完这篇文章后，相信您便能信手拈来下面图片的效果。
一、腐蚀操作
（ 1 ）简单介绍
在图像处理中，腐蚀（Erosion）是一种常见的形态学操作，它可以将图像中的细节部分缩小或者消失。简单来说就是将图像中的毛刺腐蚀掉。
（ 2 ）操作实现
cv2.erode(img, kernel, iterations) 其他参数暂省略
img是输入图像
kernel是腐蚀操作的核，表示每个像素点周围的像素点的位置和权重
iterations是操作的次数
（ 3 ）代码示例
假设我们有一张二值化图像，我们可以通过以下代码实现一次腐蚀操作：
import cv2
import numpy as np
img = cv2.imread('image.png', 0)
kernel = np.ones((5, 5), np.uint8)
erosion = cv2.erode(img, kernel, iterations = 1)
cv2.imshow('Erosion', erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()
（ 4 ）效果展示
二、膨胀操作
（ 1 ）简单介绍
膨胀（Dilation）是与腐蚀相反的形态学操作，它可以使图像中的细节部分增大或者扩张。在图像处理中，膨胀操作可以用来连接断开的元素、消除小的空洞或者孔洞等。
（ 2 ）操作实现
cv2.dilate(img, kernel, iterations)
img是输入图像，
kernel是膨胀操作的核，表示每个像素点周围的像素点的位置和权重
iterations是操作的次数，
（ 3 ）代码示例
同样是假设我们有一张二值化图像，我们可以通过以下代码实现膨胀操作：
import cv2
import numpy as np
img = cv2.imread('image.png', 0)
kernel = np.ones((3, 3), dtype=np.uint8)
dilate = cv2.dilate(img, kernel, 2) # 2为迭代次数，也就是执行2次膨胀操作
plt.imshow(dilate)
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
（ 4 ）效果展示
三、开运算与闭运算
（ 1 ）简单介绍
仔细观察上面的图片，就会发现腐蚀操作虽然去除了毛刺，但使原始的线条变细
除了单独的腐蚀和膨胀操作，还可以通过它们的组合来实现更为复杂的形态学操作。其中，开运算和闭运算是两种常见的组合形态学操作，它们可以用来去噪声、消除空洞等一系列操作。下面，我们分别来介绍一下这两个操作。
开运算：先腐蚀，再膨胀
闭运算：先膨胀，再腐蚀
（ 2 ）操作实现
cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
img是输入图像
cv2.MORPH_OPEN是一个常量，代表开运算，是指将一个图像先进行腐蚀操作，然后再进行膨胀操作；
cv2.MORPH_CLOSE是一个常量，代表闭运算，是指将一个图像先进行膨胀操作，然后再进行腐蚀操作；
kernel是一个结构元素，用于定义形态学操作的形状和大小
（ 3 ）代码示例
# 开运算
img = cv2.imread("D:\python\Program\pythonProject\photos\csdn.png")
kernel = np.ones((5, 5), np.uint8)
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
plt.imshow(opening)
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
# 闭运算
img = cv2.imread("D:\python\Program\pythonProject\photos\csdn.png")
kernel = np.ones((5, 5), np.uint8)
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
plt.imshow(closing)
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
（ 4 ）效果展示
开运算
闭运算
四、梯度计算
（ 1 ）简单介绍
梯度运算就是用膨胀的图像减去腐蚀的图像，就可以获得原图像的边缘信息（梯度信息）。简言之，就是梯度=膨胀-腐蚀
（ 2 ）操作实现
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel_gradient, iterations=1)
img是输入图像
cv2.MORPH_GRADIENT表示要进行的形态学操作类型，这里是梯度操作
kernel是一个结构元素，用于定义形态学操作的形状和大小
iterations=1：形态学操作的迭代次数，用于指定重复执行操作的次数。在这里，梯度操作只执行一次，因此该参数的值为1
（ 3 ）代码示例
img = cv2.imread("D:\python\Program\pythonProject\photos\csdn.png")
kernel = np.ones((7, 7), np.uint8)
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
plt.imshow(gradient)
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
（ 4 ）效果展示
五、礼帽与黑帽
（ 1 ）简单介绍
礼帽=原始输入-开运算结果
黑帽=闭运算-原始输入
（ 2 ）操作实现
cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
（ 3 ）代码示例
# 礼帽运算
img = cv2.imread("D:\python\Program\pythonProject\photos\csdn.png")
kernel = np.ones((7, 7), np.uint8)
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
plt.imshow(tophat)
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
# 黑帽运算
img = cv2.imread("D:\python\Program\pythonProject\photos\csdn.png")
kernel = np.ones((7, 7), np.uint8)
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
plt.imshow(blackhat)
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
（ 4 ）效果展示
礼帽：
黑帽：
写在最后
👍🏻 点赞，你的认可是我创作的动力！
⭐ 收藏，你的青睐是我努力的方向！
✏️ 评论，你的意见是我进步的财富！
