概述
opencv 中有七種形態學轉換操作：腐蝕、膨脹、開運算、閉運算、形態學梯度、禮帽和黑帽。
API參考表
| 中文名 | 英文名 | API | 原理 | 個人理解 |
|---|---|---|---|---|
| 腐蝕 | erode | erosion = cv2.erode(src=girl_pic, kernel=kernel) | 對滑窗中的像素點按位乘，再從中取最小值點作為輸出。可以去除淺色噪點 | 淺色成分被腐蝕 |
| 膨脹 | dilate | dilation = cv2.dilate(src=girl_pic, kernel=kernel) | 對滑窗中的像素點按位乘，再從中取最大值點作為輸出。可以增加淺色成分 | 淺色成分得膨脹 |
| 開運算 | morphology-open | opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel) | 先腐蝕，后膨脹，去除白噪點 | 先合再開，對淺色成分不利 |
| 閉運算 | morphology-close | closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel) | 先膨脹，后腐蝕，去除黑噪點 | 先開再合，淺色成分得勢 |
| 形態學梯度 | morphology-grandient | gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel) | 一幅圖像腐蝕與膨脹的區別，可以得到輪廓 | 數值上解釋為：膨脹減去腐蝕 |
| 禮帽 | tophat | tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel) | 原圖像減去開運算的差 | 數值上解釋為：原圖像減去開運算 |
| 黑帽 | blackhat | blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel) | 閉運算減去原圖像的差 | 數值上解釋為：閉運算減去原圖像 |
實驗思路：編寫代碼，實現OpenCV自帶的七種形態學轉換操作，并將生成的圖片保存到 pic 文件夾中；使用禮帽生成的圖像加上開運算生成的圖像，看看是否能得到原圖，并將生成的圖片保存到 pic 文件夾中；使用閉運算生成的圖像減去黑帽生成的圖像，看看是否能得到原圖，并將生成的圖片保存到 pic 文件夾中；如果成功，則驗證自己的思路是正確的。
Demo:原始圖像（../pic/girl.jpg）：
七種形態學轉換操作：
腐蝕（../pic/erosion.jpg）：
膨脹（../pic/dilation.jpg）：
開運算（../pic/opening.jpg）：
閉運算（../pic/closing.jpg）：
形態學梯度（../pic/gradient.jpg）：
禮帽（../pic/tophat.jpg）：
黑帽（../pic/blackhat.jpg）：
通過轉換后的圖像得到原圖像：
cv2.add(open, tophat)（../pic/open_and_tophat.jpg）：
close-blackhat（../pic/close_subtract_blackhat.jpg）：
附上自己編寫的實驗代碼：
# -*- coding: utf-8 -*- import cv2 import numpy as np <p>girl_pic = cv2.imread('../pic/girl.jpg') kernel = np.ones((5, 5), np.uint8)</p><h1>腐蝕</h1><p>erosion = cv2.erode(src=girl_pic, kernel=kernel) cv2.imshow('erosion', erosion) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/erosion.jpg', erosion)</p><h1>膨脹</h1><p>dilation = cv2.dilate(src=girl_pic, kernel=kernel) cv2.imshow('dilation', dilation) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/dilation.jpg', dilation)</p><h1>開運算</h1><p>opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel) cv2.imshow('opening', opening) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/opening.jpg', opening)</p><h1>閉運算</h1><p>closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel) cv2.imshow('closing', closing) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/closing.jpg', closing)</p><h1>形態學梯度</h1><p>gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel) cv2.imshow('gradient', gradient) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/gradient.jpg', gradient)</p><h1>禮帽</h1><p>tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel) cv2.imshow('tophat', tophat) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/tophat.jpg', tophat)</p><h1>黑帽</h1><p>blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel) cv2.imshow('blackhat', blackhat) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/blackhat.jpg', blackhat)</p><h1>cv2.add(open, tophat)</h1><p>open_and_tophat = cv2.add(opening, tophat) cv2.imshow('open_and_tophat', open_and_tophat) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/open_and_tophat.jpg', open_and_tophat)</p><h1>close-blackhat</h1><p>close_subtract_blackhat = closing - blackhat cv2.imshow('close_subtract_blackhat', close_subtract_blackhat) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/close_subtract_blackhat.jpg', close_subtract_blackhat)
實際遇到的問題及解決方法：在設計實驗時，使用禮帽生成的圖像加上開運算生成的圖像能夠得到原圖，但使用黑帽生成的圖像加上閉運算生成的圖像卻無法得到原圖，反而得到了一張比閉運算圖像更淺色的圖片（如下）：
經過思考，發現了問題所在：書上對黑帽的定義是：
但是卻沒有明確指出被減數和減數分別是誰。根據閉運算和黑帽的定義，我認為應該是：
即可得：
修改代碼后進行驗證，果然生成了原圖像：
