形态学变换主要是对二值图像进行处理，需要两个参数：原始图像，以及结构元。结构元决定了操作的性质，基本的操作为腐蚀和膨胀，他们的变体构成了开运算，闭运算等。
1. 腐蚀
把前景物体的边界腐蚀掉，但是前景仍然是白色的。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。这对于去除白噪音很有用，也可以用来断开两个连在一块的物体。
1
2
3
4
5
6
7
8
9
| # Python
import cv2
import numpy as np
kernel = np.ones((5,5),np.uint8)
erosion = cv2.erode(img,kernel,iterations=1)
# C++
kernel = getStructuringElement(shape,kernel_size[,anchor]);// shape:MORPH_RECT/MORPH_CROSS/MORPH_ELLIPSE
erode(src,dst,kernel);
|
2. 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白色区域（前景）。一般在去噪音时先腐蚀再膨胀，因为腐蚀再去掉白噪音的同时，也会使前景对象变小，所以我们再膨胀。这时噪音已经被去除，不会再回来了，但是前景还在并会增加，膨胀也可以用来连接两个分开的物体。
1
2
3
4
5
| # Python
dilation = cv2.dilate(img,kernel,iterations=1)
# C++
dilate(src,dst,kernel);
|
3. 开运算
先进行腐蚀再进行膨胀就叫做开运算，用来去除噪声。
1
2
3
4
5
| # Python
opening = cv2.morpologyEx(img,cv2.MORPH_OPEN,kernel)
# C++
morpologyEx(src,dst,MORPH_OPEN,kernel);
|
4. 闭运算
先腐蚀后膨胀，用来填充前景物体上的小洞。
1
2
3
4
5
| # Python
closing = cv2.morpologyEx(img,cv2.MORPH_CLOSE,kernel)
# C++
morpologyEx(src,dst,MORPH_CLOSE,kernel);
|
5. 形态学梯度
膨胀图与腐蚀图之差。
1
2
3
4
5
| # Python
gradient = cv2.morpologyEx(img,cv2.MORPH_GRADIENT,kernel)
# C++
morpologyEx(src,dst,MORPH_GRADIENT,kernel);
|
6. 顶帽运算
原图像与开运算之差。
1
2
3
4
5
| # Python
tophat = cv2.morpologyEx(img,cv2.MORPH_TOPHAT,kernel)
# C++
morpologyEx(src,dst,MORPH_TOPHAT,kernel);
|
7. 黑帽运算
闭图像与原图像之差。
1
2
3
4
5
| # Python
blackhat = cv2.morpologyEx(img,cv2.MORPH_BLACKHAT,kernel)
# C++
morpologyEx(src,dst,MORPH_BLACKHAT,kernel);
|