开运算：先腐蚀，在膨胀
闭运算：先膨胀，在腐蚀

我们在膨胀和腐蚀的图片中可以看到，图片大小程度上都受到了损失，字体信息缺失或者变粗等等。如果我们不想更改原有信息，即字体粗细。那么我们可以使用上面的两种运算。例如开运算，先对字体进行变细，在对字体进行变粗，整体上字体粗细不会发生变化。毛刺信息在腐蚀的时候就已经消除了，膨胀也不会膨胀出多余信息。

闭操作：消除黑色的小块，填充闭合区域
数学表达式为：

dst = close(src, element) = erode(dilate(src, element))

例子：

    Mat src = imread("/home/wangcf/Qtprojects/qtopencvandeasypr/hai.png");
    imshow("src",src);
    Mat gray;
    cvtColor(src, gray, CV_BGR2GRAY);
   // imshow("gray",gray);
    Mat BINARY;
 threshold(gray,BINARY,25,255,CV_THRESH_BINARY);
    imshow("threshold",BINARY);
    Mat element;
     element = getStructuringElement(MORPH_RECT, Size(15, 15));
     Mat dstImage;
 //    第一种实现方法
     morphologyEx(BINARY, dstImage, MORPH_CLOSE, element);
 //    第二种实现方法
 //    dilate(BINARY, dstImage, element);
 //    erode(dstImage, dstImage, element);
     imshow("CLOSE",dstImage);
    waitKey();

效果：

开操作：消除白色的小点，去除小的干扰块
数学表达式为：

dst = open(src, element) = dilate(erode(src, element))

目录

1 图像开运算(先腐蚀，后膨胀)

1.1 基本原理

1.2 代码示例

2 图像闭运算(先膨胀，后腐蚀)

2.1 基本原理

2.2 代码示例

3 图像梯度运算(膨胀 — 腐蚀)

3.1 基本原理

3.2 代码示例

参考资料

---

前面介绍了 形态学处理——图像腐蚀与图像膨胀，图像膨胀会扩大一幅图像的组成部分，而图像腐蚀会缩小一幅图像的组成部分。下面将继续介绍形态学处理中的开操作和闭操作。

开操作一般会平滑物体的轮廓、断开较窄的狭颈并消除细的突出物。

闭操作同样也会平滑轮廓的一部分。但与开操作相反，它通常会弥合较窄的间断和细长的沟壑，消除小的孔洞，填补轮廓线中的断裂。

 

1 图像开运算(先腐蚀，后膨胀)

1.1 基本原理

图像开运算是图像依次经过腐蚀、膨胀处理后的过程。图像被腐蚀后，去除了噪声，但是也压缩了图像；接着对腐蚀过的图像进行膨胀处理，可以去除噪声，并保留原有图像。如下图所示：

开运算：先腐蚀，后膨胀

 

下图借鉴是一篇博客写的开运算效果图：

 

1.2 代码示例

图像开运算使用函数 morphologyEx() ，它是形态学扩展的一组函数，其参数cv2.MORPH_OPEN对应开运算。

morphologyEx() 函数形式如下：

dst = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)

其中，参数：

dst 表示处理的结果；

src 表示原始图像；

cv2.MORPH_OPEN 表示开运算；

kernel 表示卷积核。

例如下图表示 55 的卷积核，可以采用函数 np.ones((5,5), np.uint8) 构建。

 

（1）卷积核大小为55 

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np

#读取图片
src = cv2.imread('test3.bmp', cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((5,5), np.uint8)

#图像开运算
result = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

 

运行结果如下图所示：

由上面结果可以看到，仍然有噪声存在，可以将增大卷积核的大小。

 

（2）卷积核大小为2525 

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np

#读取图片
src = cv2.imread('test3.bmp', cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((25,25), np.uint8)

#图像开运算
result = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

 

运行结果如下图所示：

 

---

 

2 图像闭运算(先膨胀，后腐蚀)

2.1 基本原理

图像闭运算是图像依次经过膨胀、腐蚀处理后的过程。图像先膨胀，后腐蚀，它有助于关闭前景物体内部的小孔，或物体上的小黑点。如下图所示：

闭运算：先膨胀，后腐蚀

 

下图借鉴是一篇博客写的开运算效果图：

 

 

2.2 代码示例

图像闭运算使用函数 morphologyEx() ， 它是形态学扩展的一组函数，其参数 cv2.MORPH_CLOSE 对应闭运算。

morphologyEx() 函数形式如下：

dst = cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernel)

其中，参数：

dst 表示处理的结果；

src 表示原图像；

cv2.MORPH_CLOSE 表示闭运算；

kernel表示卷积核。

例如，下图表示 55 的卷积核，可以采用函数 np.ones((5,5), np.uint8) 构建。

 

（1）卷积核大小为 55 

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np

#读取图片
src = cv2.imread('test4.bmp', cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((5,5), np.uint8)

#图像闭运算
result = cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernel)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

 

运行结果如下图所示：

由上面结果可以看到，噪声仍有一处存在，可以将增大卷积核的大小。

 

（2）卷积核大小为 77 

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np

#读取图片
src = cv2.imread('test4.bmp', cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((7,7), np.uint8)

#图像闭运算
result = cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernel)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

 

运行结果如下图所示：

 

---

 

3 图像梯度运算(膨胀 — 腐蚀)

3.1 基本原理

图像梯度运算是膨胀图像减去腐蚀图像的结果，得到图像的轮廓，其中二值图像1表示白色点，0表示黑色点。 如下图所示：

梯度运算：膨胀图像 — 腐蚀图像

 

3.2 代码示例

图像梯度运算使用的函数 morphologyEx()，其参数 cv2.MORPH_GRADIENT 对应 梯度运算

morphologyEx() 函数形式如下：

dst = cv2.morphologyEx(src, cv2.MORPH_GRADIENT, kernel)

其中，参数：

dst表示处理的结果；，

src表示原图像；，

cv2.MORPH_GRADIENT表示梯度运算；，

kernel表示卷积核。

例如，下图表示 55 的卷积核，可以采用函数 np.ones((5,5), np.uint8) 构建。

 

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np

#读取图片
src = cv2.imread('test4.bmp', cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((7,7), np.uint8)

#图像闭运算
result = cv2.morphologyEx(src, cv2.MORPH_GRADIENT, kernel)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

 

运行结果如下图所示：

 

---

 

参考资料

[1] https://blog.csdn.net/Eastmount/article/details/83651172

[2] https://blog.csdn.net/hanshanbuleng/article/details/80657148

[3] Python+OpenCV图像处理