1 腐蚀操作
用于图片的去毛刺，内容削减
1 #腐蚀操作
2 #cv2.erode(src,kernel,iterations)
3 #src是图片数字化数组
4 #kernel则是一个盒，对该盒内的像素进行复试操作，值越小腐蚀能力越狠
5 #iterations是一个迭代次数，就是说你对这个图片进行几次的腐蚀操作
6 kernel = np.ones((30,30),np.uint8)
7 erosion1 = cv2.erode(img,kernel,iterations=1)
8 erosion2 = cv2.erode(img,kernel,iterations=2)
9 erosion3 = cv2.erode(img,kernel,iterations=3)
10 res = np.hstack((erosion1,erosion2,erosion3))
11 Cv_Show('Erode Picture',res)
2 膨胀操作
1 #膨胀操作
2 #因为在进行腐蚀操作后，原本不需要的腐蚀的地方会变细，此时可以通过膨胀操作加回来
3 #cv2.dilate(src,kernel,iterations)
4 #src是图像数字化数组
5 #Kernel为盒，对该盒内的像素进行膨胀操作，值越小膨胀能力越强
6 #iterations是一个迭代次数，就是说你对这个图片进行几次的膨胀操作
7 kernel = np.ones((30,30),np.uint8)
8 dilate1 = cv2.dilate(img,kernel,iterations=1)
9 dilate2 = cv2.dilate(img,kernel,iterations=2)
10 dilate3 = cv2.dilate(img,kernel,iterations=3)
11 res = np.hstack((dilate1,dilate2,dilate3))
12 Cv_Show('Erode Picture',res)
3 开运算，闭运算
1 #开运算就是先腐蚀后膨胀，闭运算是先膨胀后腐蚀
2 #cv2.morphologyEx(src,type,kernel)
3 #src是图像数字化数组
4 #type有cv2.MORPH_OPEN，cv2.MORPH_CLOSE两种
5 #cv2.MORPH_OPEN就是开运算
6 #cv2.MORPH_CLOSE就是闭运算
7 #Kernel为盒，对该盒内的像素进行膨胀操作，值越小膨胀能力越强
8 kernel3 = np.ones((30,30),np.uint8)
9 opening = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel3) #使用开运算
10 closeing = cv2.MORPH_OPEN(img,cv2.MORPH_CLOSE,kernel3) #使用闭运算
11 res = np.hstack((opening,closeing))
12 Cv_Show('morphologyEx Picture', res)
4 梯度运算
1 #梯度运算
2 #梯度 = 膨胀 - 腐蚀
3 #梯度运算是为了得到边界变化的信息
4 gradient = cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel3)
5 Cv_Show('Gradient Picture', gradient)
5 礼帽与黑帽
1 #礼帽和黑帽
2 #礼帽 = 原始输入 - 开运算结果 从理论上来说，一个带毛刺的图片优化后没有毛刺 - 原始有毛刺的图，那结果是毛刺
3 #黑帽 = 闭运算 - 原始输入 同样，因为先对毛刺先膨胀后腐蚀，所以有些毛刺可能没腐蚀掉，减去原始后，结果是那些没腐蚀掉的毛刺的边缘
4 topHat = cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel3)
5 blackHat = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel3)
6 res = np.hstack((topHat,blackHat))
7 Cv_Show('TopHat vs BlackHat Picture', res)
标签：kernel,运算,img,MORPH,梯度,礼帽,黑帽,iterations,cv2 From： https://www.cnblogs.com/mingrufeng/p/17342105.html