当前位置：首页 > article >正文

Python----计算机视觉处理（Opencv：形态学变换）

article 2026/3/5 3:35:13

一、形态学变化

形态学变换（Morphological Transformations）是一种基于形状的图像处理技术，主要处理的对象为二值化图像。

形态学变换有两个输入和一个输出：输入为原始图像和核（即结构化元素），输出为经过形态学变换后的图像。

其基本操作包括腐蚀（Erosion）和膨胀（Dilation），这两种操作互为反向过程，分别对图像中的亮度值产生不同的影响。

二、核

核，或称结构化元素，是用于形态学变换的一个小的二值图像，通常呈现为简单的几何形状，例如矩形、椭圆形或十字形等。结构化元素的大小和形状直接影响腐蚀和膨胀操作的效果。

2.1、矩形

2.2、椭圆形

2.3、十字形

三、腐蚀

腐蚀操作就是使用核在原图（二值化图）上进行从左到右、从上到下的滑动（也就是从图像的左上角开始，滑动到图像的右下角）。在滑动过程中，令核值为1的区域与被核覆盖的对应区域进行相乘，得到其最小值，该最小值就是卷积核覆盖区域的中心像素点的新像素值，接着继续滑动。由于操作图像为二值图，所以不是黑就是白，这就意味着，在被核值为1覆盖的区域内，只要有黑色（像素值为0），那么该区域的中心像素点必定为黑色（0）。这样做的结果就是会将二值化图像中的白色部分尽可能的压缩，如下图所示，该图经过腐蚀之后，“变瘦”了。

导入模块

import cv2

读取图片

img=cv2.imread('img.png')

灰度化

img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

二值化

ret,img_threshold=cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY)

创建核

kernel=cv2.getStructuringElement(cv2.MORPH_CROSS,(15,15))

腐蚀

img_erode=cv2.erode(img_threshold,kernel)

显示图片

cv2.imshow('img_gray',img_gray)
cv2.imshow('img_erode',img_erode)
cv2.waitKey(0)

完整代码

import cv2  # 导入OpenCV库  # 读取图像  
img = cv2.imread('img.png')  # 将图像转换为灰度图  
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 对灰度图像应用阈值处理，以获得二值图像  
# ret: 用于输出阈值值，img_threshold: 阈值处理后的图像  
ret, img_threshold = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)  # 创建一个15x15的十字形结构元素（腐蚀操作所用的卷积核）  
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (15, 15))  # 对阈值处理后的图像进行腐蚀操作  
img_erode = cv2.erode(img_threshold, kernel)  # 显示腐蚀处理后的图像  
cv2.imshow('img_erode', img_erode)  # 等待用户按键后关闭窗口  
cv2.waitKey(0)

四、膨胀

膨胀与腐蚀刚好相反，膨胀操作就是使用核在原图（二值化图）上进行从左到右、从上到下的滑动（也就是从图像的左上角开始，滑动到图像的右下角），在滑动过程中，令核值为1的区域与被核覆盖的对应区域进行相乘，得到其最大值，该最大值就是核覆盖区域的中心像素点的新像素值，接着继续滑动。由于操作图像为二值图，所以不是黑就是白，这就意味着，在卷积核覆盖的区域内，只要有白色（像素值为255），那么该区域的中心像素点必定为白色（255）。这样做的结果就是会将二值化图像中的白色部分尽可能的扩张，如下图所示，该图经过腐蚀之后，“变胖”了。