形态学处理《python图像处理基础篇》

引言：首先说一下形态学处理在图像处理过程中的作用：在进行图像二值化处理之后，会存在许多带有干扰噪声的小点，而在这种情况下，形态学处理的作用就发挥到关键作用，能够秒杀一切孤立的小点。但与此同时在二值化、边缘化操作之后、会存在某些点、线断裂情况，而此时形态学处理中的膨胀处理起到了关键作用。

首先是数据库导入：

import cv2

1.首先就是原图像加载、灰度化、二值化。

代码：

path2='../img/cat1.png'
img=cv2.imread(path2)

gray=cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
res,thresh=cv2.threshold(gray,0,255,cv2.THRESH_OTSU) #大津阈值分割

cv2.imshow('tu',thresh)
cv2.waitKey(0)

图像显示：

二值化图像 

3.形态学中的腐蚀操作。

代码：

kernel=(5,5)
erode=cv2.erode(thresh,kernel,iterations=3)#腐蚀

图像显示：

腐蚀操作 

4.膨胀：

代码：

dilata=cv2.dilate(erode,kernel,iterations=2)#膨胀

效果：

膨胀处理 

5.开运算：

代码：

opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel,iterations=2) #先腐蚀后膨胀

图像显示：

 开运算 

6.闭运算：

代码：

closing = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel,iterations=2)#线膨胀后腐蚀

效果展示：

 闭运算

7.梯度运算;

代码：

geadient = cv2.morphologyEx(thresh, cv2.MORPH_GRADIENT, kernel,iterations=2)#梯度

效果显示：

梯度效果

8. 顶帽变换：

代码：

tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel,iterations=2) #顶帽变换

 效果展示：

顶帽变换

9.黑帽变换

代码：

backhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel,iterations=2) #黑帽变换

 效果展示：

黑帽变换 

10.结束：

GAME OVER

如果理解错误，欢迎大家批评，及时纠正小琼的错误哦，真心感谢你的纠正！！！

如果小伙伴梦有疑问欢迎在评论区留言哦！！！

如果感觉不错的话！点个赞呗，不用客气！（O(∩_∩)O哈哈~）

欢迎和小伙伴梦一起学习，共同努力，加油！！！