本教程将学习如下内容：
- 学习多种形态学操作，如侵蚀、膨胀、开运算、闭运算等。
- 看到不同的函数，例如：
cv2.erotic()，cv2.dilate()、cv2.morphologyEx()等。
理论基础
形态变换是一些基于图像形状。它通常在二进制图像上执行。 需要两种输入，一个是原始图像，第二个被称为结构元素或内核，决定操作的性质。 两个基本的形态学运算符是侵蚀和膨胀。它的变体形式，如打开、关闭、渐变等也开始发挥作用。 我们将在下图的帮助下逐一看到：
侵蚀
侵蚀（Erosion）的基本概念就像土壤侵蚀一样，它侵蚀了前景对象的边界（始终尽量保持前景为白色）。 那么，它有什么作用呢？内核在图像中滑动（如2D卷积）。 只有当内核下的所有像素都为1时，原始图像中的像素（1或0）才会被视为1，否则它会被侵蚀（变为零）。
因此，根据内核的大小，边界附近的所有像素都将被丢弃。前景对象的厚度或大小减小，或者只是图像中的白色区域减小。 它可用于去除小的白噪声（如我们在颜色空间一章中看到的），分离两个连接的对象等。
在这里使用一个5x5的内核作为示例，其中包含很多内核。让我们看看它是如何工作的：
In [2]:
import cv2
import numpy as np
img = cv2.imread('/data/cvdata/j.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
In [3]:
%matplotlib inline
import matplotlib.pyplot as plt
plt.imshow(erosion)
Out[3]:
<matplotlib.image.AxesImage at 0x7f8d247308c0>
In [4]:
dilation = cv2.dilate(img,kernel,iterations = 1)
In [5]:
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
In [6]:
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
In [7]:
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
In [8]:
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
In [9]:
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
In [10]:
# Rectangular Kernel
In [11]:
cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
Out[11]:
array([[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]], dtype=uint8)
In [12]:
cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
Out[12]:
array([[0, 0, 1, 0, 0],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[0, 0, 1, 0, 0]], dtype=uint8)
In [13]:
cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
Out[13]:
array([[0, 0, 1, 0, 0],
[0, 0, 1, 0, 0],
[1, 1, 1, 1, 1],
[0, 0, 1, 0, 0],
[0, 0, 1, 0, 0]], dtype=uint8)