Python图像处理丨三种实现图像形态学转化运算模式

摘要：本篇文章主要讲解Python调用OpenCV实现图像形态学转化，包括图像开运算、图像闭运算和梯度运算

本文分享自华为云社区《[Python图像处理] 九.形态学之图像开运算、闭运算、梯度运算》，作者：eastmount。

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。其基本的运算包括：腐蚀和膨胀、开运算和闭运算、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、流域变换等。

本篇文章主要讲解Python调用OpenCV实现图像形态学转化，包括图像开运算、图像闭运算和梯度运算，基础性知识希望对您有所帮助。

• 1.图像开运算
• 2.图像闭运算
• 3.图像梯度运算

一. 图像开运算

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(img) = 膨胀( 腐蚀(img) )

下图是hanshanbuleng博主提供的开运算效果图，推荐大家学习他的文章。

https://blog.csdn.net/hanshanbuleng/article/details/80657148

2.函数原型

图像开运算主要使用的函数morphologyEx，它是形态学扩展的一组函数，其参数cv2.MORPH_OPEN对应开运算。其原型如下：

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

参数dst表示处理的结果，src表示原图像，cv2.MORPH_OPEN表示开运算，kernel表示卷积核。下图表示5*5的卷积核，可以采用函数 np.ones((5,5), np.uint8) 构建。

运行结果如下图所示：

3.代码实现

完整代码如下所示：

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

#读取图片
src = cv2.imread('test01.png', 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()

输出结果如下图所示，可以看到噪声已经被去除了。

但是结果result中仍然有部分噪声，如果想去除更彻底将卷积设置为10*10的。

kernel = np.ones((10,10), np.uint8)
result = cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)

二. 图像闭运算

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(img) = 腐蚀( 膨胀(img) )

下图是hanshanbuleng博主提供的开运算效果图，推荐大家学习他的文章。

2.函数原型

图像闭运算主要使用的函数morphologyEx，其原型如下：

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

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

运行结果如下图所示：

3.代码实现

完整代码如下所示：

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

#读取图片
src = cv2.imread('test03.png', cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((10,10), 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()

输出结果如下图所示，可以看到中间的噪声去掉。

三. 图像梯度运算

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(img) = 膨胀(img) - 腐蚀(img)

2.函数原型

图像梯度运算主要使用的函数morphologyEx，参数为cv2.MORPH_GRADIENT。其原型如下：

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

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。5*5的卷积核可以采用函数 np.ones((5,5), np.uint8) 构建。

运行结果如下图所示：

3.代码实现

完整代码如下所示：

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

#读取图片
src = cv2.imread('test04.png', cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((10,10), 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()

输出结果如下图所示，可以看到中间的噪声去掉。

该系列在github所有源代码：https://github.com/eastmountyxz/ImageProcessing-Python

本文摘录自eastmount X华为云开发者社区联合出品的电子书《从零到一 • Python图像处理及识别》。点击免费下载电子书《从零到一 • Python图像处理及识别》

点击关注，第一时间了解华为云新鲜技术~