各位同學好，今天和大家分享一下圖像的形態學處理方法。內容有：

膨脹腐蝕、開運算和閉運算、梯度運算、禮帽和黑帽

（1）腐蝕：cv2.erode()；（2）膨脹：cv2.dilate()；（3）形態學函數：cv2.morphologyEx()；

那我們開始吧。

---

我們先導入接下來操作需要的庫文件和圖像數據

import cv2
import numpy as np
# 指定圖片所在文件夾
filepath = 'C:\\...\\img\\changed'
# 獲取文件夾中的某張圖
img = cv2.imread(filepath+'\\wiseman.jpg')
# 顯示圖片
cv2.imshow('wiseman',img)
cv2.waitKey(0) # 設置圖片不會自動消失
cv2.destroyAllWindows()  # 任意鍵關閉圖像

1. 腐蝕操作

腐蝕操作，一般處理二值化圖像，黑白圖像，白色區域減少。簡單理解為，卷積核在圖像上移動的過程中，如果卷積核所框住的部分全為黑或全為白，圖像不變；如果既有黑又有白，那么按一定策略將白變黑。

腐蝕函數：?cv2.erode(img, kernel, iterations)

img為輸入的圖像。kernel為卷積核大小，卷積核越小，腐蝕越慢，需要的迭代次數越多。
iterations為迭代次數。iterations=2，表示在完成第一次腐蝕的結果圖像上再進行腐蝕。

# 5*5的全1卷積核；uint8是專門用于存儲各種圖像的（包括RGB，灰度圖像等），范圍是從0–255
kernel = np.ones((5,5),np.uint8)
# 參數為：輸入圖像，卷積核，迭代次數=1
img2 = cv2.erode(img, kernel, iterations=1)
# 顯示圖片
cv2.imshow('wiseman2',img2)
cv2.waitKey(0) 
cv2.destroyAllWindows()  

下圖左側為原圖，右圖為腐蝕后的圖

? ? ? ? ? ??

---

2. 膨脹操作?

膨脹操作，一般處理二值化圖像，白色區域增大。和腐蝕相反，卷積核在圖像上移動的過程中，如果既有黑又有白，那么按一定策略將黑變白。

腐蝕函數：?cv2.dilate(img, kernel, iterations)

參數同上，img為輸入的圖像。kernel為卷積核大小。iterations為迭代次數。

#（2）膨脹操作
# 設置卷積核3*3全1
kernel = np.ones((3,3),np.uint8)
# 傳入圖像，卷積核，迭代次數
img3 = cv2.dilate(img, kernel, iterations=1)
# 顯示圖片
cv2.imshow('wiseman3',img3)
cv2.waitKey(0) 
cv2.destroyAllWindows()  

下圖左側為原圖，右圖為膨脹后的圖

? ? ? ? ??

---

3. 形態學函數

cv2.morphologyEx(img, op, kernel)

img代表輸入圖像；kernel代表卷積核；op代表形態學處理參數，如下

MORPH_ERODE： 腐蝕（黑變多），與腐蝕函數cv2.erode效果相同

MORPH_DILATE： 膨脹（白變多），與膨脹函數cv2.dilate效果相同

MORPH_OPEN： 開運算，先腐蝕后膨脹。平滑邊界，去除凸起，移除小白點

MORPH_CLOSE： 閉運算，先膨脹再腐蝕。填充圖像內部小黑洞，填充圖像凹陷

MORPH_GRADIENT： 梯度計算，用膨脹圖減腐蝕圖。獲得圖像的邊緣輪廓

MORPH_TOPHAT： 禮帽，用原圖像減去開運算后的圖像。獲得原圖像中比周圍亮的區域

MORPH_BLACKHAT： 黑帽，閉運算圖像減去原圖像。獲取原圖像中比周圍暗的區域

---

4. 開運算

先腐蝕后膨脹，白色區域先變小后擴張，平滑邊界（去掉凸起）、移除白點

cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

#（3）開運算：先腐蝕后膨脹
# 定義卷積核
kernel = np.ones((3,3),np.uint8)
# 形態學函數：圖像，開運算，卷積核
img4 = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
# 顯示圖片
cv2.imshow('opening',img4)
cv2.waitKey(0) 
cv2.destroyAllWindows()  

效果圖在下面。

---

5. 閉運算

先膨脹后腐蝕，白色區域先變大后縮小，閉運算用于填充圖像內部的小黑洞、填充圖像的凹陷等，排除小黑洞，連接被誤分為許多小塊的對象

#（4）閉運算：先膨脹后腐蝕
# 定義卷積核
kernel = np.ones((3,3),np.uint8)
# 形態學函數：圖像，閉運算，卷積核
img4 = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
# 顯示圖片
cv2.imshow('closing',img4)
cv2.waitKey(0) 
cv2.destroyAllWindows()  

第一張為原圖，第二張為開運算，第三張為閉運算

---

6. 梯度計算

梯度圖，用膨脹圖減腐蝕圖。可以用于獲得圖像中物體的輪廓，可以突出團塊的邊緣，保留物體的邊緣輪廓。

# ==2== 梯度運算，膨脹圖像減去腐蝕圖像，得到輪廓信息
# 卷積核
kernel = np.ones((3,3),np.uint8)
# 形態學處理函數，輸入圖像，梯度計算參數，卷積核
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
# 繪圖，查看邊界信息
cv2.imshow('gradient',gradient)
cv2.waitKey(0)
cv2.destoryAllWindows()

下圖第一張是膨脹圖像，第二張是腐蝕圖像，第三張是梯度圖

---

7. 禮帽

禮帽 = 原始輸入 - 開運算結果

可以用于獲得原圖像中比周圍亮的區域，去除白色重疊部分

# ==1== 禮帽
# 獲取圖像
img = cv2.imread(filepath+'\\wiseman.jpg')
# 卷積核
kernel = np.ones((8,8),np.uint8)
# 形態學處理函數，輸入圖像，梯度計算參數，卷積核
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
# 繪圖，查看邊界信息
cv2.imshow('tophat',tophat)
cv2.waitKey(0)
cv2.destoryAllWindows()

第一張為原圖，第二張為開運算，第三張是禮帽

---

8. 黑帽

黑帽 = 閉運算-原始輸入

可以用于獲取原圖像中比周圍暗的區域，保留白色重疊部分

# ==2== 黑帽
# 獲取圖像
img = cv2.imread(filepath+'\\wiseman.jpg')
# 卷積核
kernel = np.ones((8,8),np.uint8)
# 形態學處理函數，輸入圖像，梯度計算參數，卷積核
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
# 繪圖，查看邊界信息
cv2.imshow('blackhat',blackhat)
cv2.waitKey(0)
cv2.destoryAllWindows()

第一張是閉運算，第二張是原圖，第三張是黑帽

總結

以上是生活随笔為你收集整理的【opencv】(4) 形态学处理：腐蚀膨胀、梯度运算、礼帽黑帽的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。