形態學基于圖像的形狀進行操作，用于處理二值化圖像，主要包括腐蝕和膨脹兩種基本操作。這些操作通常用于去除噪聲、分隔或連接相鄰的元素以及尋找圖像中顯著的最大點和最小點。

1. 形態學操作

import cv2
import numpy as np
import matplotlib.pyplot as plotimg = cv2.imread("tmp.jpg")
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
kernel = np.ones((5,5), np.uint8)
img_e = cv2.erode(img, kernel)
img_d = cv2.dilate(img, kernel)plot.figure(figsize=(12,4));
plot.subplot(1,3,1)
plot.title('source image')
plot.imshow(img)
plot.subplot(1,3,2)
plot.title('erosion')
plot.imshow(img_e)
plot.subplot(1,3,3)
plot.title('dilation')
plot.imshow(img_d)plot.show()

2. 概念簡述

2.1 腐蝕（Erosion）

• 基本原理：腐蝕操作會將圖像中的前景區域進行“侵蝕”，縮小物體的邊界。核（kernel）會掃描圖像的每個像素，如果核覆蓋區域的所有像素值都是前景，則該像素保持不變；否則，它將被腐蝕成背景。因此，腐蝕可以有效去除圖像中的小細節，比如孤立的噪聲點。
• 應用場景：
  • 去除噪聲：腐蝕常用于消除圖像中的孤立噪聲點或小塊不需要的細節。
  • 分割連接物體：腐蝕可以用于分離連接較緊密的物體，例如兩個接觸的物體。

2.2 膨脹（Dilation）

• 基本原理：膨脹操作是腐蝕的反向操作，它通過擴展物體的邊界來增加前景區域的面積。核（kernel）掃描圖像時，如果核覆蓋區域有一個或多個前景像素，那么該像素就會被膨脹為前景。因此，膨脹操作會使物體變大，并且可以填充前景區域中的小空隙或“洞”。
• 應用場景：
  • 增強物體邊界：膨脹通常用于在邊界模糊的物體中增強邊緣，使得物體更加明顯。
  • 連接斷開的部分：膨脹可以用于連接圖像中斷開的物體，如中斷的線條、文字或其他形狀。

2.3 腐蝕與膨脹的結合

腐蝕和膨脹通常結合使用，形成了多種形態學操作：

• 開運算（Opening）：先腐蝕后膨脹，常用于去除小物體或噪聲，但保留物體整體結構。
• 閉運算（Closing）：先膨脹后腐蝕，常用于填充物體內部的小空洞，平滑物體邊緣。
• 形態學梯度：通過膨脹和腐蝕之間的差異，提取圖像邊緣

3. 開閉運算

import cv2
import numpy as np
import matplotlib.pyplot as plotimg = cv2.imread("tmp.jpg")
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
kernel = np.ones((5,5), np.uint8)
img_op = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
img_cl = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
img_gr = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)plot.figure(figsize=(16,4));
plot.subplot(1,4,1)
plot.title('source image')
plot.imshow(img)
plot.subplot(1,4,2)
plot.title('Open')
plot.imshow(img_op)
plot.subplot(1,4,3)
plot.title('Close')
plot.imshow(img_cl)
plot.subplot(1,4,4)
plot.title('Gradient')
plot.imshow(img_gr)plot.show()

4. Matplotlib顯示函數對比

4.1 plot

繪制x，y的一元方程的函數關系圖
plot ([x], y, [fmt], **kwargs)

• [x]：橫坐標軸數據，可選參數
• y：縱坐標軸數據
• [fmt] ：定義圖形的基本樣式：顏色，點型，線型
• **Kwargs：不定長的關鍵字參數，用字典形式設置圖形的其他屬性，或者重復x,y,fmt用于多條線同時顯示

[fmt] 具體形式 ‘[顏色][標記][線型]’，是一個字符串來定義圖的基本屬性，詳細分解如下：

顏色參數	顏色含義
b	blue 藍
g	green 綠
'r	red 紅
c	cyan 藍綠
m	magenta 洋紅
y	yellow 黃
k	black 黑
w	white 白

標記參數	標記含義
.	點標記
,	像素標記
o	圓圈標記
v	倒三角標記
^	正三角標記
<	左三角標記
>	右三角標記
1	朝下三角標記
2	朝上三角標記
3	朝左三角標記
4	朝右三角標記
s	方形標記
p	五角形標記
*	星形標記
h	六邊形標記1
H	六邊形標記2
+	加號標記
x	乘號標記
D	鉆石標記
d	瘦鉆石標記
|	豎線標記
_	水平線標記

線型參數	線型含義
-	實線
- -	虛線
-.	點畫線
:	點線

4.2 imshow

創建圖像對象并配置其屬性，但不會顯示圖像
imshow(X, cmap=None, norm=None, aspect=None, interpolation=None, alpha=None, vmin=None, vmax=None, origin=None, extent=None, shape=None, filternorm=1, filterrad=4.0, imlim=None, resample=None, url=None, *, data=None, **kwargs)：

• X：輸入數據。可以是二維數組、三維數組、PIL圖像對象、matplotlib路徑對象等。
• cmap：顏色映射。用于控制圖像中不同數值所對應的顏色。可以選擇內置的顏色映射，如gray、hot、jet等，也可以自定義顏色映射。
• norm：用于控制數值的歸一化方式。可以選擇Normalize、LogNorm等歸一化方法。
• aspect：控制圖像縱橫比（aspect ratio）。可以設置為auto或一個數字。
• interpolation：插值方法。用于控制圖像的平滑程度和細節程度。可以選擇nearest、bilinear、bicubic等插值方法。
• alpha：圖像透明度。取值范圍為0~1。
• origin：坐標軸原點的位置。可以設置為upper或lower。
• extent：控制顯示的數據范圍。可以設置為[xmin, xmax, ymin, ymax]。
• vmin、vmax：控制顏色映射的值域范圍。
• filternorm 和 filterrad：用于圖像濾波的對象。可以設置為None、antigrain、freetype等。
• imlim： 用于指定圖像顯示范圍。
• resample：用于指定圖像重采樣方式。
• url：用于指定圖像鏈接。

4.3 顯示圖像

show
實際上顯示所有已經配置好的圖形，包括由 imshow 創建的圖像，具體步驟概述如下：

1. 導入Matplotlib庫：import matplotlib.pyplot as plt
2. 創建圖形對象：fig = plt.figure()
3. 繪制圖形：使用Matplotlib提供的繪圖函數進行繪制，例如plt.plot(y)繪制折線, plt.imshow((x,y))繪制圖像等
4. 調用show()函數顯示圖形：plt.show()

---

系列文章：

1. opencv常用邊緣檢測算子示例
2. 圖像顏色空間對比（Opencv）
3. 圖像變換方式區別對比（Opencv）
4. 常用圖像濾波及色彩調節操作（Opencv）
5. 圖像形態學操作對比（Opencv）