目錄

1. 簡述

2. 用腐蝕和膨脹實現開運算

2.1 代碼示例

2.2 運行結果

3. 開運算接口

3.1 參數詳解

3.2 代碼示例

3.3 運行結果

4. 開運算應用場景

5. 注意事項

6. 總結

---

相關閱讀

OpenCV：圖像的腐蝕與膨脹-CSDN博客

OpenCV：閉運算-CSDN博客

---

1. 簡述

簡而言之：開運算 = 腐蝕 + 膨脹

開運算?是一種形態學操作，通常用于去除圖像中的小噪點，同時保留較大的前景物體。
它的操作順序是：

1. 先對圖像進行 腐蝕，去除細小的噪點和瑕疵。
2. 再進行 膨脹，恢復被腐蝕的前景物體形狀。

開運算的主要作用是：

• 去除噪聲（尤其是白色背景下的黑色小物體）。
• 平滑前景物體的邊緣。

開運算的數學表達式為：

其中：

• A 是輸入圖像。
• B?是卷積核。
• ? 表示腐蝕操作。
• ⊕ 表示膨脹操作。

---

2. 用腐蝕和膨脹實現開運算

2.1 代碼示例

import cv2
import numpy as npimage = cv2.imread('D:\\resource\\filter\\q3.jpg')# 卷積核
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))# 腐蝕操作
result1 = cv2.erode(image, kernel, iterations=1)# 膨脹操作
result2 = cv2.dilate(result1, kernel, iterations=1)# 顯示原始圖像、開運算（腐蝕 + 膨脹）圖像
cv2.imshow('image', image)
cv2.imshow('result2', result2)cv2.waitKey(0)
cv2.destroyAllWindows()

2.2 運行結果

從左到右：

• 原始黑底白字圖像，帶一些白色的噪點。
• 圖像腐蝕和膨脹之后的結果，白色噪點消失。?

---

3. 開運算接口

在 OpenCV 中，開運算由函數 cv2.morphologyEx() 實現，其關鍵參數如下：

cv2.morphologyEx(src, op, kernel, dst=None, anchor=(-1, -1), iterations=1, borderType=cv2.BORDER_CONSTANT, borderValue=0)

3.1 參數詳解

• src：輸入圖像。通常是二值化圖像或灰度圖像。
• op：操作類型，開運算的標識符為 cv2.MORPH_OPEN。
• kernel：結構元素（卷積核）。決定形態學操作的鄰域范圍和形狀。可以使用 cv2.getStructuringElement() 創建。
• dst：輸出圖像。默認為 None。
• anchor：結構元素的錨點，默認為 (-1, -1)，即以核的中心為錨點。
• iterations：操作的迭代次數，默認為 1。
• borderType：邊界模式，定義圖像邊界的填充方式，常用 cv2.BORDER_CONSTANT。
• borderValue：邊界值，僅在 borderType 為 cv2.BORDER_CONSTANT 時使用。

常用的參數為前3個：

cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)

3.2 代碼示例

import cv2
import numpy as npimage = cv2.imread('D:\\resource\\filter\\q3.jpg')# 卷積核
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))# 腐蝕操作
#result1 = cv2.erode(image, kernel, iterations=1)# 膨脹操作
#result2 = cv2.dilate(result1, kernel, iterations=1)# 開運算
result2 = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)# 顯示原始圖像、開運算（腐蝕 + 膨脹）圖像
cv2.imshow('image', image)
cv2.imshow('result2', result2)cv2.waitKey(0)
cv2.destroyAllWindows()

3.3 運行結果

結果與2.2一致。

---

4. 開運算應用場景

• 去除小噪點：在二值化圖像中，小的孤立噪聲點可以通過開運算清除。
• 提取連通區域：對于連通區域的檢測，開運算可以去掉孤立的小物體，僅保留目標區域。
• 平滑邊緣：通過開運算，前景物體的邊緣可以更加平滑。

5. 注意事項

• 核的大小與形狀：卷積核的大小直接影響結果。核過大會過度去除圖像細節，核過小則可能無法有效去除噪聲。
• 輸入圖像類型：開運算適用于二值化或灰度圖像，對于彩色圖像需先轉換。
• 多次操作：對于復雜噪聲，可能需要多次開運算，或調整核的大小與形狀。

---

?6. 總結

開運算是圖像形態學中的基本操作，用于去除小噪點、平滑邊緣等。OpenCV 提供了功能強大的接口 cv2.morphologyEx()，可以靈活實現開運算及其他形態學操作。通過選擇合適的卷積核，可以在實際項目中輕松應對各種圖像處理問題。