机器视觉opencv教程（三）：形态学变换（腐蚀与膨胀）

一、形态学变换总览

• 定义：一种基于图像形状的简单变换，核心是通过「核」与原始图像的交互，调整二值化图像的像素分布。
• 处理对象：主要是 二值化图像（像素值仅为 0 黑色 / 255 白色）。
• 核心组成：
  1. 原始二值化图像：待处理的图像。
  2. 核（结构化元素）：用于滑动计算的模板，决定变换的范围和形状（常见形状：矩形、十字形、椭圆形）。
• 基础逻辑：核在图像上从左到右、从上到下滑动，通过特定计算规则（取最小 / 最大值）更新核覆盖区域的中心像素值。

二、基本操作：腐蚀与膨胀

形态学变换的两个核心基础操作，二者效果完全相反，是后续组合操作的基础。

2.1 腐蚀操作（Erosion）

1. 核心原理

核在二值化图像上滑动，对核值为 1 的区域与被覆盖的图像区域进行「相乘」，取计算结果的最小值作为中心像素的新值。

• 二值图特殊规则：若核覆盖区域内存在黑色像素（0），则中心像素必为黑色（0）；
• 仅当所有覆盖像素均为白色（255）时，中心像素才为白色。

2. 效果

将二值化图像中的白色区域「变瘦」，可削弱细小白色结构、分离邻近的白色区域。

import cv2

# 步骤1：读取彩色图像
image_np = cv2.imread('./test.png')  

# 步骤2：彩色图 → 灰度图（二值化的前提）
image_gray = cv2.cvtColor(image_np, cv2.COLOR_BGR2GRAY)

# 步骤3：灰度图 → 二值化图（阈值127：>127设为255白，≤127设为0黑）
ret, image_thresh = cv2.threshold(image_gray, 127, 255, cv2.THRESH_BINARY)

# 步骤4：构建核（结构化元素）
# 参数1：核形状（MORPH_CROSS=十字形，MORPH_RECT=矩形，MORPH_ELLIPSE=椭圆形）
# 参数2：核大小（(9,9)表示9x9，尺寸越大，腐蚀效果越强）
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (9, 9))

# 步骤5：执行腐蚀操作
image_erode = cv2.erode(image_thresh, kernel)  # 输入：二值图+核

# 步骤6：显示结果（按任意键关闭窗口）
cv2.imshow('原始二值图', image_thresh)
cv2.imshow('腐蚀后图像（变瘦）', image_erode)
cv2.waitKey(0)  # 等待按键输入
cv2.destroyAllWindows()  # 关闭所有窗口

2.2 膨胀操作（Dilation）

1. 核心原理

与腐蚀完全相反：核在二值化图像上滑动，对核值为 1 的区域与被覆盖的图像区域进行「相乘」，取计算结果的最大值作为中心像素的新值。

• 二值图特殊规则：若核覆盖区域内存在白色像素（255），则中心像素必为白色（255）；
• 仅当所有覆盖像素均为黑色（0）时，中心像素才为黑色。

2. 效果

将二值化图像中的白色区域「变胖」，可增强细小白色结构、连接邻近的白色区域。

import cv2

# 步骤1-3：与腐蚀操作一致（读取→灰度化→二值化）
image_np = cv2.imread('./test.png')  
image_gray = cv2.cvtColor(image_np, cv2.COLOR_BGR2GRAY)
ret, image_thresh = cv2.threshold(image_gray, 127, 255, cv2.THRESH_BINARY)

# 步骤4：构建核（此处用矩形核，与腐蚀的十字形区分）
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))  # 7x7核，膨胀强度适中

# 步骤5：执行膨胀操作
image_dilate = cv2.dilate(image_thresh, kernel)

# 步骤6：显示结果
cv2.imshow('原始二值图', image_thresh)
cv2.imshow('膨胀后图像（变胖）', image_dilate)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.3 腐蚀 vs 膨胀 对比表

三、组合操作：开运算与闭运算

基于「腐蚀」和「膨胀」的顺序组合，解决更复杂的图像问题（如去噪、填洞）。

3.1 开运算（Opening）

1. 操作顺序

先腐蚀 → 再膨胀（先收缩再扩张）。

2. 核心原理

• 第一步腐蚀：去除图像中的细小白色噪点（小白色区域被腐蚀掉），但会让主要白色物体变瘦。
• 第二步膨胀：将主要白色物体恢复到接近原始大小，同时保留 “去噪” 的效果。

3. 作用

• 去除图像中的白色小噪点（不影响主要白色物体的形状和大小）。
• 分离邻近的白色物体（避免粘连）。

import cv2

# 步骤1-3：读取→灰度化→二值化
img = cv2.imread("img.png")  # 替换为自己的图像路径
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 步骤4：构建核（5x5矩形核，通用尺寸）
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))

# 步骤5：执行开运算（用morphologyEx函数，指定操作类型为MORPH_OPEN）
opening = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)

# 步骤6：显示结果
cv2.imshow("原始二值图", binary)
cv2.imshow("开运算结果（去白色噪点）", opening)
cv2.waitKey(0)
cv2.destroyAllWindows()

3.2 闭运算（Closing）

1. 操作顺序

先膨胀 → 再腐蚀（先扩张再收缩）。

2. 核心原理

• 第一步膨胀：填充主要白色物体内部的细小黑色空洞（空洞被白色填充），但会让主要白色物体变胖。
• 第二步腐蚀：将主要白色物体恢复到接近原始大小，同时保留 “填洞” 的效果。

3. 作用

• 填充主要白色物体内部的黑色小空洞（不影响物体整体形状）。
• 连接邻近的白色物体（修复微小断裂）。

import cv2

# 步骤1-4：与开运算一致（读取→灰度化→二值化→构建核）
img = cv2.imread("img.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))

# 步骤5：执行闭运算（操作类型为MORPH_CLOSE）
closing = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)

# 步骤6：显示结果
cv2.imshow("原始二值图", binary)
cv2.imshow("闭运算结果（填黑色空洞）", closing)
cv2.waitKey(0)
cv2.destroyAllWindows()

3.3 开运算 vs 闭运算 对比表

四、关键总结

1. 核心逻辑：形态学变换基于「核滑动」和「极值计算」（最小 / 最大），仅作用于二值化图像。
2. 操作选择：
   • 想让白色区域变瘦 → 腐蚀；想变胖 → 膨胀。
   • 想去除白色小噪点 → 开运算；想填充黑色小空洞 → 闭运算。
3. 核的影响：核的尺寸越大，变换效果越强；核的形状（矩形 / 十字形 / 椭圆形）影响变换的方向性（如十字形对线性结构更敏感）。