图像数据处理17

四、形态学图像处理

4.3 开运算与闭运算

4.3.1开运算与闭运算的定义：

开运算：先腐蚀，再膨胀

闭运算：先膨胀，再腐蚀

记忆方法：膨胀（胀开）所以开运算最后对应的结果是膨胀，闭运算则与其相反，最后对应的结果是腐蚀。

4.3.2开运算与闭运算的作用：

开运算

以二值图像为例，若黑色背景上有一些白色小斑点噪声，开运算先通过腐蚀操作削弱前景图像（所有前景图像即所有白色的部分）来去除噪音（白色小斑点），因为噪音面积相对较小，执行完腐蚀操作后会被黑色完全覆盖。随后再通过开运算的膨胀操作增强前景图像的边界，恢复因腐蚀操作而受影响的非噪音部分的形状面积。其主要优点是不明显改变图像面积的情况下，消除细小的噪音。

闭运算

还是以二值图像为例，闭运算先通过膨胀操作来增强前景图像，通过对前景图像（白色部分）边界的扩充，来消除掺杂在其中的小黑点等噪音，随后在通过腐蚀操作其的腐蚀操作来削弱前景图像的边界，恢复其因膨胀操作而扩充的形状面积。

4.3.3实际应用

import cv2
import numpy as np# 读取图像
image = cv2.imread('taiyang2.jpg')# 定义结构元素
kernel = np.ones((10, 10), np.uint8)# 开运算：先腐蚀后膨胀
opening = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)# 闭运算：先膨胀后腐蚀
closing = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)# 将图像缩小一半
resized_image = cv2.resize(image, (0, 0), fx=0.5, fy=0.5)
resized_opening = cv2.resize(opening, (0, 0), fx=0.5, fy=0.5)
resized_closing = cv2.resize(closing, (0, 0), fx=0.5, fy=0.5)# 水平拼接图像
combined_image = np.hstack((resized_image, resized_opening, resized_closing))# 在一个窗口中显示拼接后的图像
cv2.imshow('Combined Image', combined_image)# 等待任意键盘按键
cv2.waitKey(0)
cv2.destroyAllWindows()

第一幅图像是原图，第二幅图像是开运算处理后的图像，第三幅图像是闭运算处理后的图像

在实际应用中开运算与闭运算往往是结合在一起用的，这样往往能达到更好的处理效果。

先开运算后闭运算

import cv2
import numpy as np# 读取图像
image = cv2.imread('taiyang2.jpg')# 定义结构元素
kernel = np.ones((10, 10), np.uint8)# 开运算：先腐蚀后膨胀
opening = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)# 对开运算后的图像进行闭运算
final_operation = cv2.morphologyEx(opening, cv2.MORPH_CLOSE, kernel)# 将图像缩小一半
resized_image = cv2.resize(image, (0, 0), fx=0.5, fy=0.5)
resized_final = cv2.resize(final_operation, (0, 0), fx=0.5, fy=0.5)# 水平拼接图像
combined_image = np.hstack((resized_image, resized_final))# 在一个窗口中显示拼接后的图像
cv2.imshow('Combined Image', combined_image)# 等待任意键盘按键
cv2.waitKey(0)
cv2.destroyAllWindows()

先闭运算后开运算

import cv2
import numpy as np# 读取图像
image = cv2.imread('taiyang2.jpg')# 定义结构元素
kernel = np.ones((10, 10), np.uint8)# 闭运算：先膨胀后腐蚀
closing = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)# 对闭运算后的图像进行开运算
final_operation = cv2.morphologyEx(closing, cv2.MORPH_OPEN, kernel)# 将图像缩小一半
resized_image = cv2.resize(image, (0, 0), fx=0.5, fy=0.5)
resized_final = cv2.resize(final_operation, (0, 0), fx=0.5, fy=0.5)# 水平拼接图像
combined_image = np.hstack((resized_image, resized_final))# 在一个窗口中显示拼接后的图像
cv2.imshow('Combined Image', combined_image)# 等待任意键盘按键
cv2.waitKey(0)
cv2.destroyAllWindows()