13 形态学操作：膨胀、腐蚀、开运算、闭运算
形态学操作是图像处理中基于形状的一系列操作。它们对于图像前处理、特征提取和图像恢复等环节非常有帮助。在本节中，我们将专注于介绍四种基本的形态学操作：膨胀、腐蚀、开运算和闭运算。这些操作在OpenCV-Python中都有很好的支持，并且易于使用。
膨胀（Dilation）
膨胀是一种形态学操作，它是通过将图像与一个核（或称为结构元素）进行卷积并取局部最大值来实现的。膨胀可以增加图像中白色区域的面积，并减少黑色区域。
函数语法:
cv2.dilate(src, kernel, iterations = 1)
src: 输入图像。kernel: 结构元素，可以使用cv2.getStructuringElement()创建。iterations: 膨胀的次数，默认值为1。
例题:
import cv2
import numpy as np
img = cv2.imread('input.jpg', 0) # 以灰度模式读取图像
kernel = np.ones((5,5),np.uint8) # 创建5x5的结构元素
dilation = cv2.dilate(img, kernel, iterations = 1)
cv2.imshow('Dilation', dilation)
cv2.waitKey(0)
cv2.destroyAllWindows()
腐蚀（Erosion）
与膨胀相反，腐蚀操作会减少图像中白色区域的面积，并增加黑色区域。这通过将图像与核进行卷积并取局部最小值来实现。
函数语法:
cv2.erode(src, kernel, iterations = 1)
例题:
img_erode = cv2.erode(img, kernel, iterations = 1)
cv2.imshow('Erosion', img_erode)
cv2.waitKey(0)
cv2.destroyAllWindows()
开运算（Opening）
开运算是先腐蚀后膨胀的过程。这对于去除小的白噪声很有用。
函数语法:
cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)
例题:
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
cv2.imshow('Opening', opening)
cv2.waitKey(0)
cv2.destroyAllWindows()
闭运算（Closing）
闭运算则是先膨胀后腐蚀的操作，用于关闭前景对象内的小洞或小黑点。
函数语法:
cv2.morphologyEx(src, cv2.MORPH_CLOSE, kernel)
例题:
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
cv2.imshow('Closing', closing)
cv2.waitKey(0)
cv2.destroyAllWindows()
通过上述介绍和例题，我们了解了在OpenCV-Python中如何实现和应用形态学操作中的膨胀、腐蚀、开运算和闭运算。这些操作对于图像预处理和改进图像分析结果非常重要，掌握它们能够让我们更好地处理和分析图像数据。
单击【阅读原文】参加OpenCV-Python课程学习。
单击【阅读原文】参加OpenCV-Python课程学习。
在本公众号【计算机视觉之光】回复关键字“叮叮当当”获取更多的Python学习资料。
