使用Python，OpenCV进行形态学操作

使用Python，OpenCV进行形态学操作）

1. 效果图
2. 原理
3. 源码
- 3.1 [制作logo源码](https://blog.csdn.net/qq_40985985/article/details/116025825)
- 3.2 腐蚀膨胀打开闭合形态梯度源码
- 3.3 白帽黑帽操作源码
- 3.4 自定义内核
参考

这篇博客将介绍如何使用Python，OpenCV应用形态学操作。
包括：

腐蚀（Erosion）
膨胀（Dilation）
打开（Opening）
闭合（Closing）【在封闭前景对象内部的小孔或对象上的小黑点时非常有用。】
形态梯度（Morphological gradient）
黑帽（Black hat）
白帽（Top hat (also called “White hat”)）

形态学操作是应用于灰度或二值图像的图像处理变换。这些操作需要一个结构元素，用于定义应用该操作的像素的邻域。更具体地说，可以使用形态学操作应用于图像内部的形状和结构，以调整输出图像。（例如增加/减少图像中的物体大小，打开/缩小物体之间的间隙）

形态学运算通常被用作更强大的计算机视觉解决方案（如OCR、自动车牌识别（ANPR）和条形码检测）的预处理步骤。巧妙地使用形态学运算可以避免更复杂（和计算昂贵）的机器学习和深度学习算法。（比如图像中的条码检测，仅使用形态学操作就可以完成~）

1. 效果图

原图 VS 腐蚀1 VS 腐蚀2 VS 腐蚀3 VS 腐蚀4次效果图如下：

可以看到，随着腐蚀迭代次数的增加，越来越多的徽标被腐蚀掉。

腐蚀对于从图像中移除小斑点或断开两个连接的组件是最有用的。

原图 VS 膨胀1 VS 膨胀2 VS 膨胀3次效果图如下：

可以看到应用了3次迭代的膨胀，徽标中所有字母的间隙都已接和。

膨胀会扩大前景区域。当连接对象的断开部分时，膨胀特别有用。

打开操作类似于腐蚀操作，去掉小斑点的同时可能会“打开”图像上的孔，如下图所示：
当我们使用大小为5的内核时×5.小而随机的斑点几乎完全消失了。当它达到一个7大小的内核时，打开操作不仅去除了所有的随机斑点，而且还“打开”了字母“s”,“n”和字母“a”上的孔。

闭合是打开的相反操作，闭合是膨胀后的腐蚀。闭合用于闭合对象内部的小孔，小黑点是很有效，或将组件连接在一起。

可以看到闭合操作开始桥接徽标中字母之间的间隙。

形态学梯度效果图如下：

形态学梯度可以使得徽标的轮廓清晰地显示出来。

白帽操作效果图如下：

白帽子