OpenCV形态学转换详解：图示与源码 OpenCV中提供了七种形态学转换操作，包括腐蚀、膨胀、开运算、闭运算、形态学梯度、礼帽和黑帽。本文详细介绍了每种操作的API及其原理，并通过实验验证了这些操作的实际效果。通过编写代码，实现了这些形态学转换，并将生成的图像保存至指定文件夹。实验中还探讨了使用礼帽和开运算的图像相加，以及闭运算和黑帽的图像相减，试图还原原始图像。最终，通过代码修改和验证，成功还原了原始图像，证明了实验思路的正确性。

概述

OpenCV 中有七种形态学转换操作：腐蚀、膨胀、开运算、闭运算、形态学梯度、礼帽和黑帽。

API参考表

实验思路：编写代码，实现OpenCV自带的七种形态学转换操作，并将生成的图片保存到 pic 文件夹中；使用礼帽生成的图像加上开运算生成的图像，看看是否能得到原图，并将生成的图片保存到 pic 文件夹中；使用闭运算生成的图像减去黑帽生成的图像，看看是否能得到原图，并将生成的图片保存到 pic 文件夹中；如果成功，则验证自己的思路是正确的。

Demo:原始图像（../pic/girl.jpg）：

七种形态学转换操作：

腐蚀（../pic/erosion.jpg）：

膨胀（../pic/dilation.jpg）：

开运算（../pic/opening.jpg）：

闭运算（../pic/closing.jpg）：

形态学梯度（../pic/gradient.jpg）：

礼帽（../pic/tophat.jpg）：

黑帽（../pic/blackhat.jpg）：

通过转换后的图像得到原图像：

cv2.add(open, tophat)（../pic/open_and_tophat.jpg）：

close-blackhat（../pic/close_subtract_blackhat.jpg）：

附上自己编写的实验代码：

# -*- coding: utf-8 -*-
import cv2
import numpy as np
girl_pic = cv2.imread('../pic/girl.jpg')
kernel = np.ones((5, 5), np.uint8)
腐蚀
erosion = cv2.erode(src=girl_pic, kernel=kernel)
cv2.imshow('erosion', erosion)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/erosion.jpg', erosion)
膨胀
dilation = cv2.dilate(src=girl_pic, kernel=kernel)
cv2.imshow('dilation', dilation)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/dilation.jpg', dilation)
开运算
opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel)
cv2.imshow('opening', opening)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/opening.jpg', opening)
闭运算
closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel)
cv2.imshow('closing', closing)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/closing.jpg', closing)
形态学梯度
gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel)
cv2.imshow('gradient', gradient)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/gradient.jpg', gradient)
礼帽
tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('tophat', tophat)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/tophat.jpg', tophat)
黑帽
blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('blackhat', blackhat)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/blackhat.jpg', blackhat)
cv2.add(open, tophat)
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)
close-blackhat
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)

实际遇到的问题及解决方法：在设计实验时，使用礼帽生成的图像加上开运算生成的图像能够得到原图，但使用黑帽生成的图像加上闭运算生成的图像却无法得到原图，反而得到了一张比闭运算图像更浅色的图片（如下）：

经过思考，发现了问题所在：书上对黑帽的定义是：

但是却没有明确指出被减数和减数分别是谁。根据闭运算和黑帽的定义，我认为应该是：

即可得：

修改代码后进行验证，果然生成了原图像：

以上就是《opencv形态学转换详解：图示及源码解析》的详细内容，更多关于OpenCV,形态学转换,礼帽,开运算,闭运算的资料请关注golang学习网公众号！