目录
图像形态学
什么是形态学：图像形态学是一种处理图像形状特征的图像处理技术，主要用于描述和处理图像中的形状和结构。形态学可以用于提取图像中的特征、消除噪声、改变图像的形状等。
一、图像腐蚀
cv2.erode(src, kernel, dst,anchor,iterations,borderType,borderValue)
src: 输入的图像
kernel: 用于腐蚀的结构元件如果element = Mat()，则使用3 × 3的矩形结构单元。
dst: 它是与src相同大小和类型的输出图像。
iterations:腐蚀操作的迭代次数，默认为1。次数越多, 腐蚀操作执行的次数越多,腐蚀效果越明显
import numpy as np
sun = cv2.imread('sun.png')
cv2.imshow('src',sun)
cv2.waitKey(0)
kernel = np.ones((3,3),np.uint8) #设置kenenel大小,核改为5*5试试
erosion_1 = cv2.erode(sun,kernel,iterations=1) #iterations改为5试试
cv2.imshow('erosion_1',erosion_1)
cv2.waitKey(0)效果：影响腐蚀效果的参数有kernel（核）、iterations（腐蚀的轮数），这两个值都是越大腐蚀效果越强。
二、图像膨胀
cv2.dilate(img, kernel, iteration)
参数含义：
img – 目标图片
kernel – 进行操作的内核，默认为3×3的矩阵
iterations – 膨胀次数，默认为1
wenzi = cv2.imread('wenzi.png')
cv2.imshow('src1',wenzi)
cv2.waitKey(0)
kernel = np.ones((2,2),np.uint8) #设置kenenel大小
wenzi_new = cv2.dilate(wenzi,kernel,iterations=2)
cv2.imshow('wenzi_new',wenzi_new)
cv2.waitKey(0)效果：影响膨胀效果的参数有kernel（核）、iterations（膨胀的轮数），这两个值都是越大膨胀效果越强。
三、开运算
开运算应用场景，如果图像中存在着很多的细纹或者椒盐噪声点，先腐蚀会将这些噪声点清除掉，在膨胀会加强我们需要的图像的特征。
开运算（cv2.MORPH_OPEN）：先腐蚀后膨胀。
zhiwen = cv2.imread('zhiwen.png')
cv2.imshow('src2',zhiwen)
cv2.waitKey(0)
kernel = np.ones((2,2),np.uint8) #设置kenenel大小
zhiwen_new = cv2.morphologyEx(zhiwen,cv2.MORPH_OPEN,kernel) #开运算
cv2.imshow('zhiwen_new',zhiwen_new)
cv2.waitKey(0)
四、闭运算
应用场景：如果希望将一些断断续续的细纹连接起来，则使用闭运算，先将图像膨胀连接起来，再腐蚀使图像恢复原有的特征
闭运算（cv2.MORPH_CLOSE）：先膨胀后腐蚀
zhiwen = cv2.imread('zhiwen_duan.png')
cv2.imshow('src3',zhiwen)
cv2.waitKey(0)
kernel = np.ones((4,4),np.uint8) #设置kenenel大小
zhiwen_new = cv2.morphologyEx(zhiwen,cv2.MORPH_CLOSE,kernel) #闭运算
cv2.imshow('zhiwen_new',zhiwen_new)
cv2.waitKey(0)
五、梯度运算
膨胀-腐蚀（cv2.MORPH_GRADIENT）
wenzi = cv2.imread('wenzi.png')
cv2.imshow('wenzi_new',wenzi)
cv2.waitKey(0)
kernel = np.ones((2,2),np.uint8) #设置kenenel大小
# 膨胀
pz_wenzi=cv2.dilate(wenzi,kernel,iterations=2)
cv2.imshow('pz_wenzi',pz_wenzi)
cv2.waitKey(0)
#腐蚀
fs_wenzi=cv2.erode(wenzi,kernel,iterations=1)
cv2.imshow('fs_wenzi',fs_wenzi)
cv2.waitKey(0)
# 膨胀-腐蚀
bianyuan = cv2.morphologyEx(wenzi,cv2.MORPH_GRADIENT,kernel)
cv2.imshow('bianyuan',bianyuan)
cv2.waitKey(0)
六、顶帽运算
顶帽（cv2.MORPH_TOPHAT） = 原始图像 - 开运算结果(先腐蚀后膨胀)
sun = cv2.imread('sun.png')
cv2.imshow('sun_yuantu',sun)
cv2.waitKey(0)
kernel = np.ones((2,2),np.uint8) #设置kenenel大小
#开运算
open_sun=cv2.morphologyEx(sun,cv2.MORPH_OPEN,kernel)
cv2.imshow('open_sun',open_sun)
cv2.waitKey(0)
#顶帽
tophat = cv2.morphologyEx(sun,cv2.MORPH_TOPHAT,kernel)
cv2.imshow('TOPHAT',tophat)
cv2.waitKey(0) 
七、黑帽运算
黑帽（cv2.MORPH_BLACKHAT） = 闭运算(先膨胀后腐蚀) - 原始图像
sun = cv2.imread('sun.png')
cv2.imshow('sun_yuantu',sun)
cv2.waitKey(0)
kernel = np.ones((2,2),np.uint8) #设置kenenel大小
#闭运算
close_sun=cv2.morphologyEx(sun,cv2.MORPH_CLOSE,kernel)
cv2.imshow('close_sun',close_sun)
cv2.waitKey(0)
#黑帽
blackhat = cv2.morphologyEx(sun,cv2.MORPH_BLACKHAT,kernel)
cv2.imshow('BLACKHAT',blackhat)
cv2.waitKey(0)
