如果您觉得本文不错，帮忙点赞哦！

一. 图像形态学处理 —— 膨胀和腐蚀

图解图像腐蚀和膨胀 ↑

二. 开运算与闭运算：

开运算：先腐蚀后膨胀，能够消除图像区域外的小白点(噪声)。

闭运算：先膨胀后腐蚀，能够消除图像区域内的小黑点(噪声)。

图解图像开运算与闭运算 ↑

为什么有了膨胀、腐蚀还要开运算闭运算呢？其实开闭运算最重要的一点就是，可以保持物体原有大小。然后一个是消除物体外部噪声(开运算)的另一个是增强物体之间连接点(闭运算)的。

三. python实现开运算和闭运算：

# Writer : wojianxinygcl@163.com

# Date   : 2020.3.21

import numpy as np

# Morphology Dilate

def Morphology_Dilate(img, Dil_time=1):

H, W = img.shape

# kernel

MF = np.array(((0, 1, 0),

(1, 0, 1),

(0, 1, 0)), dtype=np.int)

# each dilate time

out = img.copy()

for i in range(Dil_time):

tmp = np.pad(out, (1, 1), 'edge')

for y in range(1, H):

for x in range(1, W):

if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) >= 255:

out[y, x] = 255

return out

# Morphology Erode

def Morphology_Erode(img, Erode_time=1):

H, W = img.shape

out = img.copy()

# kernel

MF = np.array(((0, 1, 0),

(1, 0, 1),

(0, 1, 0)), dtype=np.int)

# each erode

for i in range(Erode_time):

tmp = np.pad(out, (1, 1), 'edge')

# erode

for y in range(1, H):

for x in range(1, W):

if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) < 255*4:

out[y, x] = 0

return out

# Morphology Closing

def Morphology_Closing(img, time=1):

out = Morphology_Dilate(img, Dil_time=time)

out = Morphology_Erode(out, Erode_time=time)

return out

# Opening morphology

def Morphology_Opening(img, time=1):

out = Morphology_Erode(img, Erode_time=time)

out = Morphology_Dilate(out, Dil_time=time)

return out

四. 开闭运算的效果：

原图(左)、开运算(中)、闭运算(右) ↑

可以看到，图像开运算，消除了图像外部的噪声，图像闭运算，连通了更多的图像区域。

五. 参考内容：

六. 版权声明：

未经作者允许，请勿随意转载抄袭，抄袭情节严重者，作者将考虑追究其法律责任，创作不易，感谢您的理解和配合！