opencv|形态学处理及opencv-python函数 opencv|图像处理

通过阈值分割可以得到二值图，但往往会出现图像中物体形态不完整，变的残缺，或者有很多噪声点。可以通过形态学处理，使其变得丰满，或者去除掉多余的像素。常用的形态学处理算法包括：腐蚀，膨胀，开运算，闭运算，形态学梯度，顶帽运算和底帽运算。
0. 结构元素 opencv中可用的结构元素有三种：矩阵，椭圆形，十字架

kernel = cv2.getStructuringElement(shape,ksize,anchor) shape:核的形状 cv2.MORPH_RECT: 矩形 cv2.MORPH_CROSS: 十字形(以矩形的锚点为中心的十字架) cv2.MORPH_ELLIPSE:椭圆(矩形的内切椭圆） ksize: 核的大小，格式为(width,height) anchor: 核的锚点，默认值为(-1,-1),即核的中心点

注：也可以使用numpy.ndarray来自定义自己想要的各种结构元素
1. 腐蚀

作用：减小前景(白色)面积
原理：取结构元素当前位置中像素值的最小值代替锚点位置的像素值，这样就会使图像中较暗的区域面积增大，较亮的的区域面积减小。如果是一张黑底，白色前景的二值图，就会使白色的前景物体颜色变小，就像被腐蚀了一样。
代码

dst = cv2.erode(src,kernel,anchor,iterations,borderType,borderValue): 参数： src: 输入图像对象矩阵,为二值化图像 kernel:进行腐蚀操作的核，可以通过函数getStructuringElement()获得 anchor:锚点，默认为(-1,-1) iterations:腐蚀操作的次数，默认为1 borderType: 边界种类，有默认值 borderValue:边界值，有默认值

2. 膨胀

作用：增加前景面积
原理：取结构元素当前位置中像素值的最大值代替锚点位置的像素值
代码

dst = cv2.dilate(src,kernel,anchor,iterations,borderType,borderValue) 参数： src: 输入图像对象矩阵,为二值化图像 kernel:进行腐蚀操作的核，可以通过函数getStructuringElement()获得 anchor:锚点，默认为(-1,-1) iterations:腐蚀操作的次数，默认为1 borderType: 边界种类 borderValue:边界值

3. 开运算

作用：主要用于去除图像上的噪音斑点，毛刺和小桥，而总的位置和形状不便
原理：先腐蚀，后膨胀
代码

dst = cv2.morphologyEx(src,op,kernel,anchor,iterations,borderType,borderValue) 参数： src: 输入图像对象矩阵,为二值化图像 op:形态学操作类型 cv2.MORPH_OPEN开运算 cv2.MORPH_CLOSE闭运算 cv2.MORPH_GRADIENT形态梯度 cv2.MORPH_TOPHAT顶帽运算 cv2.MORPH_BLACKHAT底帽运算kernel: 结构元素 anchor:锚点，默认为(-1,-1) iterations:腐蚀操作的次数，默认为1 borderType: 边界种类 borderValue:边界值

4. 闭运算