版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/yql_617540298/article/details/84778062
一、形态学概述
形态学（morphology）一词通常表示生物学的一个分支，该分支主要研究动植物的形态和结构，而图像处理中的形态学主要是指数学形态学。
数学形态学（Mathematical morphology）是一门建立在格论和拓扑学基础之上的图像分析学科，是数学形态学图像处理的基本理论。（简单理解：形态学是基于形状的一系列图像处理操作）
基本运算：二值腐蚀和膨胀，二值开闭运算，骨架抽取，极限腐蚀，击中击不中变换，形态学梯度，Top-hat变换，颗粒分析，流域变换，灰值腐蚀和膨胀，灰值开闭运算，灰值形态学梯度等。
二、膨胀与腐蚀
作用：（1）消除噪声；
（2）分割出独立的图像元素，在图像中连接相邻的元素‘；
（3）寻找图像中的明显的极大值或极小值区域；
（4）求出图像的梯度。
注意：腐蚀和膨胀是对白色部分（高亮部分）而言的，不是黑色部分。
膨胀：邻域扩张，效果图拥有比原图更大的高亮区域；
腐蚀：原图中的高亮部分被腐蚀，邻域缩小，效果图拥有比原图更小的高亮区域。
膨胀或腐蚀：将图像（或图像的一部分区域，A）与核（B）卷积。
核：可以是任何形状和大小，它拥有一个单独定义的参考点，称为锚点。多数情况下，核是一个中间带有参考点和实心正方形或者圆形。
三、膨胀
膨胀：求局部最大值操作。
核B与图形A卷积，即计算核B覆盖的区域的像素点的最大值，并把这个最大值赋值给参考点指定的像素。
代码：
#coding=utf-8
import cv2
image = cv2.imread("F:/a.jpg",0);
#构造一个3×3的结构元素
element = cv2.getStructuringElement(cv2.MORPH_RECT,(3, 3))
dilate = cv2.dilate(image, element)
erode = cv2.erode(image, element)
#将两幅图像相减获得边，第一个参数是膨胀后的图像，第二个参数是腐蚀后的图像
result = cv2.absdiff(0,erode);
#上面得到的结果是灰度图，将其二值化以便更清楚的观察结果
retval, result = cv2.threshold(result, 40, 255, cv2.THRESH_BINARY);
#反色，即对二值图每个像素取反
result = cv2.bitwise_not(result);
#显示图像
#cv2.imshow("result",result);
cv2.imwrite("F:/b.jpg",result)
cv2.waitKey(0)
cv2.destroyAllWindows()
四、腐蚀
腐蚀：与膨胀是一对相反的操作，腐蚀是求局部最小值的操作。
代码：
#coding=utf-8
import cv2
image = cv2.imread("F:/a.jpg",0);
#构造一个3×3的结构元素
element = cv2.getStructuringElement(cv2.MORPH_RECT,(3, 3))
dilate = cv2.dilate(image, element)
erode = cv2.erode(image, element)
#将两幅图像相减获得边，第一个参数是膨胀后的图像，第二个参数是腐蚀后的图像
result = cv2.absdiff(dilate,0);
#上面得到的结果是灰度图，将其二值化以便更清楚的观察结果
retval, result = cv2.threshold(result, 40, 255, cv2.THRESH_BINARY);
#反色，即对二值图每个像素取反
result = cv2.bitwise_not(result);
#显示图像
#cv2.imshow("result",result);
cv2.imwrite("F:/c.jpg",result)
cv2.waitKey(0)
cv2.destroyAllWindows()
