原图展示

一、 图像腐蚀 图像腐蚀： 卷积核沿着图像滑动，如果与卷积核对应的原图 像的所有像素值都是 1，那么中心元素就保持原来的像素值，否则就变为零。

根据卷积核的大小靠近前景的所有像素都会被腐蚀 掉(变为 0)，所以前景物体会变小，整幅图像的白色区域会减少。这对于去除 白噪声很有用

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
cv2.imshow('demo', erosion)

结果，图像腐蚀之后，人的手臂明显变瘦了

二 图像膨胀

与腐蚀相反，与卷积核对应的原图像的像素值中只要有一个是 1，中心元 素的像素值就是 1。所以这个操作会增加图像中的白色区域(前景)。一般在去 噪声时先用腐蚀再用膨胀

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
dilation = cv2.dilate(erosion,kernel,iterations = 1)
cv2.imshow('demo', dilation)

结果：可以看到再次膨胀之后，得到的图片跟原图比，人物很近 但是外面圆圈没有完全复原

腐蚀和膨胀的处理很简单，只需设置好结构元素， 然后分别调用cv2.erode(…)和cv2.dilate(…)函数即可

三、开运算

开运算和闭运算就是将腐蚀和膨胀按照一定的次序进行处理 先进性腐蚀再进行膨胀就叫做开运算。就是上面两步，它被用来去除噪声。

开运算用于移除由图像噪音形成的斑点

开运算用到的函数是 cv2.morphologyEx()

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
# 开运算
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
cv2.imshow('demo', opening)

结果 可以看到跟上面的第二个展示基本差不多

四、闭运算

先膨胀再腐蚀。 它经常被用来填充前景物体中的小洞，或者前景物体上的小黑点

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
# 闭运算
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
cv2.imshow('demo', closing)

结果：这里可以看到，外圆环破碎的地方被补起来了，外圆环变白了， 人物上的黑点没有了，

某些情况下可以连续运用这两种运算。 如对一副二值图连续使用闭运算和开运算，将获得图像中的主要对象

五、形态学梯度 其实就是一幅图像膨胀与腐蚀的差别。 结果看上去就像前景物体的轮廓。

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
# 梯度
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
cv2.imshow('demo', gradient)

结果：旁边有很多白色的小点在干扰

六、礼帽 原始图像与进行开运算之后得到的图像的差

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
# 礼帽
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('demo', tophat)

结果：

七、黑帽 进行闭运算之后得到的图像与原始图像的差

import cv2
import numpy as np

img = cv2.imread('person_454.bmp',0)
kernel = np.ones((5,5),np.uint8)
# 黑帽
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('demo', blackhat)

结果：