Python | 图像处理中的形态学运算(结束) |第 2 组

在前面的章节中，我们介绍了形态学运算的基本概念以及腐蚀和膨胀操作的实现。本章节将继续探讨其他的形态学运算，包括开运算、闭运算和形态学梯度。

开运算

开运算是指先进行腐蚀操作，再进行膨胀操作的过程。它可以用来去除图像中的噪声和毛刺，同时保留图像中物体的形状和大小。下面是开运算的代码实现：

import cv2 as cv
import numpy as np

img = cv.imread('image.png')
kernel = np.ones((5,5),np.uint8)
opening = cv.morphologyEx(img, cv.MORPH_OPEN, kernel)

cv.imshow('Original Image', img)
cv.imshow('Opening Image', opening)
cv.waitKey(0)

在这个例子中，我们先读取了一张图片，并创建了一个 $5\times5$ 的矩形结构元素，然后使用 cv.morphologyEx() 函数进行开运算操作。运行程序后，将会显示原始图像和经过开运算后的图像。

闭运算

闭运算是指先进行膨胀操作，再进行腐蚀操作的过程。它可以用来填补图像中物体之间的细小空隙，同时保留图像中物体的形状和大小。下面是闭运算的代码实现：

import cv2 as cv
import numpy as np

img = cv.imread('image.png')
kernel = np.ones((5,5),np.uint8)
closing = cv.morphologyEx(img, cv.MORPH_CLOSE, kernel)

cv.imshow('Original Image', img)
cv.imshow('Closing Image', closing)
cv.waitKey(0)

同样地，我们创建了一个 $5\times5$ 的矩形结构元素，并使用 cv.morphologyEx() 函数进行闭运算操作。运行程序后，将会显示原始图像和经过闭运算后的图像。

形态学梯度

形态学梯度是指将膨胀后的图像和腐蚀后的图像之间的差异。它可以用来检测图像中物体的边缘。下面是形态学梯度的代码实现：

import cv2 as cv
import numpy as np

img = cv.imread('image.png')
kernel = np.ones((5,5),np.uint8)
gradient = cv.morphologyEx(img, cv.MORPH_GRADIENT, kernel)

cv.imshow('Original Image', img)
cv.imshow('Gradient Image', gradient)
cv.waitKey(0)

同样地，我们创建了一个 $5\times5$ 的矩形结构元素，并使用 cv.morphologyEx() 函数进行形态学梯度操作。运行程序后，将会显示原始图像和经过形态学梯度操作后的图像。

结语

本章节介绍了形态学运算中的开运算、闭运算和形态学梯度操作，它们可以用来去除噪声、填补空隙以及检测物体边缘。这些操作在图像处理中是非常常见的，希望本章节可以给大家带来帮助。