本文主要是介绍OpenCV中的形态学操作，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
- 腐蚀（Erosion）：这个操作会“腐蚀”图像中的前景物体边界（即：使前景物体在图像中变小）。这是通过在图像中滑动一个结构元素，如果结构元素与前景物体的所有像素都相匹配，那么中心像素就保持不变，否则它就被腐蚀（设置为0）。腐蚀操作在去除小的噪声、断开两个连接在一起的物体等场景中很有用。
img_eroded = cv2.erode(img, kernel) - 膨胀（Dilation）：这个操作与腐蚀操作相反，它会“膨胀”图像中的前景物体（即：使前景物体在图像中变大）。这是通过在图像中滑动一个结构元素，如果结构元素与前景物体的任何一个像素相匹配，那么中心像素就被膨胀（设置为1）。膨胀操作在连接两个分开的物体、关闭前景物体中的小洞等场景中很有用。
img_dilated = cv2.dilate(img, kernel) - 开运算（Opening）：这个操作是先进行腐蚀操作，然后进行膨胀操作。开运算可以用来去除噪声。
img_opened = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel) - 闭运算（Closing）：这个操作是先进行膨胀操作，然后进行腐蚀操作。闭运算可以用来关闭前景物体中的小洞或小黑点。
img_closed = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel) - 形态学梯度（Morphological Gradient）：这个操作是膨胀操作和腐蚀操作的差别。结果会得到物体的边界。
img_gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel) - 顶帽（Top Hat）：这个操作是原始图像和开运算结果的差别。结果会得到比原始图像亮的区域。
img_tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel) - 黑帽（Black Hat）：这个操作是闭运算结果和原始图像的差别。结果会得到比原始图像暗的区域。
img_blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
这篇关于OpenCV中的形态学操作的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
