形态学滤波

形态学滤波基本操作

形态学本来是生物中的一个概念，但是对于图像处理来说，形态学指的是数学方面的形态学滤波，特别是对图像的滤波处理。它的本质和其他滤波器一样，都能够对图像进行去噪、增强等作用。

它包括的运算很多，最基本的两个形态学操作是腐蚀和膨胀，其他的高级形态学操作都是基于这两个基本的形态学操作进行的，比如开运算、闭运算、形态学梯度、顶帽、黑帽等。

膨胀

膨胀就是求一个局部最大值的过程，就是将要处理的图像与结构化元素进行卷积，选择一个瞄点，求这个结构化元素以这个瞄点为中心可以覆盖的最大面积。

如上图所示，（注意右图比左图其实是大一圈）经过膨胀在原图像周围上新围绕一圈像素，选取不同的结构化元素可以使得围绕的规则不同，但通常都会是边缘更加圆滑。

下面采用一个5*5的全1结构化元素来演示一下膨胀效果。

import cv2
import numpy as np
img = cv2.imread('j.png',0)
kernel = np.ones((5,5),np.uint8)
erosion = cv2.dilate(img,kernel,iterations = 1)

在代码中，kernel 表示用来膨胀的操作的结构化元素，我们也可以利用 getStructuringElement（） 函数来指明它的形状。iterations 指的是膨胀的次数，这里默认为1次。

如图为原图

膨胀后的图片，可以看出，图像中的线条明显变胖了。

腐蚀

而腐蚀正好相反，同样是选择一个结构化元素和一个瞄点，但是运算变为以这个瞄点为中心，这个结构化元素可以消除的最大面积。

如上图所示，右边的比左边的少了周围一圈。直观的来看，原来的图像中的凸起的边缘经过腐蚀运算就被消除了。

代码实现与膨胀类似，这里不再写出全部代码，仅写出不同的部分。

erosion = cv2.erode(img,kernel,iterations = 1)

腐蚀后的图像，可以看出，线条明显变细，提取出了图像的骨架。

开运算

开运算就是先腐蚀后膨胀，他的主要作用就是用来去噪，可以消除一些小的像素点，并且在不改变物体形状的前提下对图像进行平滑操作。

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

右图是经过开运算的结果图，可以看到，图像中的噪声点都已经被消除，但是主体仍然不发生变化。

闭运算

闭运算就是先膨胀后腐蚀，他常被用来填充前景物体中的小洞，或者一些小的缝隙。

closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

右图是经过闭运算的结果图，可以看到，原来图中的小黑洞都已经被消除了。

其他操作

其他基于膨胀和腐蚀的操作还包括形态学梯度，顶帽，黑帽。其中，形态学梯度的含义是膨胀后图像与腐蚀后图像的差，得到的结果是原图像的轮廓。顶帽是原图像与开运算后图像的差，黑帽是原图像与闭运算后图像的差。

欢迎大家关注公众号“计算机视觉与机器学习”

计算机视觉和机器学习