1、腐蝕 cv2.erode()
就像土壤侵蝕一樣，這個操作會把前景物體的邊界腐蝕掉（但是前景仍然
是白色）。這是怎麼做到的呢？卷積核沿著影象滑動，如果與卷積核對應的原圖
像的所有畫素值都是 1，那麼中心元素就保持原來的畫素值，否則就變為零。
這回產生什麼影響呢？根據卷積核的大小靠近前景的所有畫素都會被腐蝕
掉（變為 0），所以前景物體會變小，整幅影象的白色區域會減少。這對於去除
白雜訊很有用，也可以用來斷開兩個連在一塊的物體等。
2、膨脹 cv2.dilate()
與腐蝕相反，與卷積核對應的原影象的畫素值中只要有乙個是 1，中心元
素的畫素值就是 1。所以這個操作會增加影象中的白色區域（前景）。一般在去
雜訊時先用腐蝕再用膨脹。因為腐蝕在去掉白雜訊的同時，也會使前景物件變
小。所以我們再對他進行膨脹。這時雜訊已經被去除了，不會再回來了，但是
前景還在並會增加。膨脹也可以用來連線兩個分開的物體。
3、開運算先進行腐蝕運算再進行膨脹就叫做開運算，
被用作去除雜訊，cv2.morphologhex()
opening = cv2.morphologyex(img, cv2.morph_open, kernel)
4、閉運算，先膨脹再腐蝕，它經常被用來填充前景物體中的小洞，或者前景物體上的
小黑點。
closing = cv2.morphologyex(img, cv2.morph_close, kernel)
5、形態學梯度，其實就是一幅影象膨脹與腐蝕的差別。結果看上去就像前景物體的輪廓。
gradient = cv2.morphologyex(img, cv2.morph_gradient, kernel)
6、禮帽
原始影象與進行開運算之後得到的影象的差。下面的例子是用乙個 9x9 的
核進行禮帽操作的結果。
tophat = cv2.morphologyex(img, cv2.morph_tophat, kernel)
7、黑帽
進行閉運算之後得到的影象與原始影象的差。
blackhat = cv2.morphologyex(img, cv2.morph_blackhat, kernel)
opencv 形態學轉換
侵蝕的基本思想就像土壤侵蝕一樣，它侵蝕前景物體的邊界 盡量使前景保持白色 具體做法 核心滑動通過影象 在2d卷積中 原始影象中的乙個畫素 無論是1還是0 只有當核心下的所有畫素都是1時才被認為是1，否則它就會被侵蝕 變成0 結果 根據核心的大小，邊界附近的所有畫素都會被丟棄。前景物體的厚度或大小減 ...
OpenCV Python 形態學轉換 十七
在這一章當中，我們將學習不同的形態學操作，例如侵蝕，膨脹，開運算，閉運算等。我們將看到不同的功能，例如 cv.erode cv.dilate cv.morphologyex 等。形態變換是一些基於影象形狀的簡單操作。通常在二進位制影象上執行。它需要兩個輸入，乙個是我們的原始影象，第二個是決定操作性質...
形態學重建
在形態學梯度影象的基礎上，利用形態學的開閉重建運算對梯度影象進行重建，在保留重要區域倫敦的同時去除細節和雜訊。分水嶺變換存在過分割現象，原因在於檢測的區域性極值過多，造成極值過多的原因在於影象中的非規則灰度擾動和雜訊。對於好的分水嶺影象分割方法，不僅能消除過分割現象，而且應保證分割後的區域倫敦邊緣具...