介绍
形态学操作其实就是改变物体的形状，比如腐蚀就是”变瘦”，膨胀就是”变胖”，看下图就明白了
形态学操作一般作用于二值化图，来连接相邻的元素或分离成独立的元素。腐蚀和膨胀是针对图片中的白色部分！
主要是应用在二值图像分析中，灰度图像亦可。
可以看做膨胀是将白色区域扩大，腐蚀是将黑色区域扩大
一、膨胀与腐蚀
相关函数
def getStructuringElement(shape, ksize, anchor=None): # real signature unknown; restored from __doc__
第一个参数shape:表示内核的形状，有三种形状可以选择
矩形：MORPH_RECT; 交叉形：MORPH_CORSS; 椭圆形：MORPH_ELLIPSE;
第二个参数ksize:是内核的尺寸(n,n)
第三个参数anchor:锚点的位置
getStructuringElement函数会返回指定形状和尺寸的结构元素。
1、腐蚀erode
腐蚀的效果是把图片”变瘦”，其原理是在原图的小区域内取局部最小值。因为是二值化图，只有0和255，所以小区域内有一个是0该像素点就为0，这样原图中边缘地方就会变成0，达到了瘦身目的。
OpenCV中用cv2.erode()函数进行腐蚀，只需要指定核的大小就行：
img = cv2.imread(‘j.bmp‘, 0) kernel = np.ones((5, 5), np.uint8) erosion = cv2.erode(img, kernel) # 腐蚀
这个核也叫结构元素，因为形态学操作其实也是应用卷积来实现的。结构元素可以是矩形/椭圆/十字形，可以用cv2.getStructuringElement()来生成不同形状的结构元素，比如：
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) # 矩形结构 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)) # 椭圆结构 kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 5)) # 十字形结构
代码实现
1 import cv2 as cv 2 import numpy as np 3 4 def erode_image(image): 5 print(image.shape) 6 gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) 7 ret , binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU) #大律法获取二值图像 8 cv.imshow(‘binary‘,binary) 9 kernel = cv.getStructuringElement(cv.MORPH_RECT,(3,3)) #可以修改卷积核大小来增加腐蚀效果，越大腐蚀越强 10 dst = cv.erode(binary,kernel) 11 cv.imshow(‘erode_demo‘,dst) 12 13 img = cv.imread(‘1.jpg‘) 14 cv.imshow(‘input image‘,img) 15 erode_image(img) 16 cv.waitKeyEx(0) 17 cv.destroyAllWindows()
2、膨胀dilate
膨胀与腐蚀相反，取的是局部最大值，效果是把图片”变胖”：
dilation = cv2.dilate(img, kernel) # 膨胀
代码实现
1 import cv2 as cv 2 import numpy as np 3 4 #膨胀就是白色部分变多 5 def dilate_image(image): 6 print(image.shape) 7 gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) 8 ret , binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU) #大律法获取二值图像 9 cv.imshow(‘binary‘,binary) 10 kernel = cv.getStructuringElement(cv.MORPH_RECT,(3,3)) #可以修改卷积核大小来增加腐蚀效果，越大膨胀越强 11 dst = cv.dilate(binary,kernel) 12 cv.imshow(‘dilate_demo‘,dst) 13 14 img = cv.imread(‘1.jpg‘) 15 cv.imshow(‘input image‘,img) 16 dilate_image(img) 17 cv.waitKeyEx(0) 18 cv.destroyAllWindows()
3、可以不进行灰度处理，对彩色图片进行处理
（1）膨胀
kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))
dst = cv.dilate(src,kernel)
cv.imshow("result",dst)
（2）腐蚀
kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))
dst = cv.erode(src,kernel)
cv.imshow("result",dst)
二、开闭运算
1、开
先腐蚀后膨胀叫开运算（因为先腐蚀会分开物体，这样容易记住），其作用是：分离物体，消除小区域。
特点：消除噪点，去除小的干扰块，而不影响原来的图像
这类形态学操作用cv2.morphologyEx()函数实现：
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) # 定义结构元素 img = cv2.imread(‘j_noise_out.bmp‘, 0) opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel) # 开运算
代码实现
1 import cv2 as cv 2 import numpy as np 3 4 def camp(val1,val2): 5 pv = val1 + val2 6 if pv > 255: 7 return 255 8 elif pv < 0: 9 return 0 10 else: 11 return pv 12 13 def open_demo(image): 14 gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) #(h,w) = (576,1024) 15 print(gray.shape) 16 for i in range(1000): 17 h = np.random.random_integers(0,gray.shape[0]-1) #因为返回的是闭区间内的随机整数，h是从0开始的，所以要减1 18 w = np.random.random_integers(0,gray.shape[1]-1) 19 value = np.random.random_integers(0,255) #随机添加的像素值 20 gray[h,w] = camp(gray[h,w],value) 21 ret , binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU) 22 cv.imshow(‘binary‘,binary) 23 kernel = cv.getStructuringElement(cv.MORPH_RECT,(3,3)) 24 open = cv.morphologyEx(binary,cv.MORPH_OPEN,kernel) #开操作，先腐蚀后膨胀，会消除一些为1的白色噪点 25 cv.imshow(‘open_demo‘,binary) 26 27 img = cv.imread(‘1.jpg‘) 28 cv.imshow(‘input image‘,img) 29 open_demo(img) 30 cv.waitKey(0) 31 cv.destroyAllWindows()
2、闭
闭运算则相反：先膨胀后腐蚀（先膨胀会使白色的部分扩张，以至于消除/“闭合”物体里面的小黑洞，所以叫闭运算）
img = cv2.imread(‘j_noise_in.bmp‘, 0) closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel) # 闭运算
代码实现
如果我们的目标物体外面有很多无关的小区域，就用开运算去除掉；如果物体内部有很多小黑洞，就用闭运算填充掉
原文地址：https://www.cnblogs.com/pacino12134/p/9890492.html