概述
opencv 中有七种形态学转换操作：腐蚀、膨胀、开运算、闭运算、形态学梯度、礼帽和黑帽。
API参考表
| 中文名 | 英文名 | API | 原理 | 个人理解 |
|---|---|---|---|---|
| 腐蚀 | erode | erosion = cv2.erode(src=girl_pic, kernel=kernel) | 对滑窗中的像素点按位乘，再从中取最小值点作为输出。可以去除浅色噪点 | 浅色成分被腐蚀 |
| 膨胀 | dilate | dilation = cv2.dilate(src=girl_pic, kernel=kernel) | 对滑窗中的像素点按位乘，再从中取最大值点作为输出。可以增加浅色成分 | 浅色成分得膨胀 |
| 开运算 | morphology-open | opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel) | 先腐蚀，后膨胀，去除白噪点 | 先合再开，对浅色成分不利 |
| 闭运算 | morphology-close | closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel) | 先膨胀，后腐蚀，去除黑噪点 | 先开再合，浅色成分得势 |
| 形态学梯度 | morphology-grandient | gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel) | 一幅图像腐蚀与膨胀的区别，可以得到轮廓 | 数值上解释为：膨胀减去腐蚀 |
| 礼帽 | tophat | tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel) | 原图像减去开运算的差 | 数值上解释为：原图像减去开运算 |
| 黑帽 | blackhat | blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel) | 闭运算减去原图像的差 | 数值上解释为：闭运算减去原图像 |
实验思路：编写代码，实现OpenCV自带的七种形态学转换操作，并将生成的图片保存到 pic 文件夹中；使用礼帽生成的图像加上开运算生成的图像，看看是否能得到原图，并将生成的图片保存到 pic 文件夹中；使用闭运算生成的图像减去黑帽生成的图像，看看是否能得到原图，并将生成的图片保存到 pic 文件夹中；如果成功，则验证自己的思路是正确的。
Demo:原始图像（../pic/girl.jpg）：
七种形态学转换操作：
腐蚀（../pic/erosion.jpg）：
膨胀（../pic/dilation.jpg）：
开运算（../pic/opening.jpg）：
闭运算（../pic/closing.jpg）：
形态学梯度（../pic/gradient.jpg）：
礼帽（../pic/tophat.jpg）：
黑帽（../pic/blackhat.jpg）：
通过转换后的图像得到原图像：
cv2.add(open, tophat)（../pic/open_and_tophat.jpg）：
close-blackhat（../pic/close_subtract_blackhat.jpg）：
附上自己编写的实验代码：
# -*- coding: utf-8 -*- import cv2 import numpy as np <p>girl_pic = cv2.imread('../pic/girl.jpg') kernel = np.ones((5, 5), np.uint8)</p><h1>腐蚀</h1><p>erosion = cv2.erode(src=girl_pic, kernel=kernel) cv2.imshow('erosion', erosion) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/erosion.jpg', erosion)</p><h1>膨胀</h1><p>dilation = cv2.dilate(src=girl_pic, kernel=kernel) cv2.imshow('dilation', dilation) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/dilation.jpg', dilation)</p><h1>开运算</h1><p>opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel) cv2.imshow('opening', opening) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/opening.jpg', opening)</p><h1>闭运算</h1><p>closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel) cv2.imshow('closing', closing) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/closing.jpg', closing)</p><h1>形态学梯度</h1><p>gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel) cv2.imshow('gradient', gradient) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/gradient.jpg', gradient)</p><h1>礼帽</h1><p>tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel) cv2.imshow('tophat', tophat) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/tophat.jpg', tophat)</p><h1>黑帽</h1><p>blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel) cv2.imshow('blackhat', blackhat) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/blackhat.jpg', blackhat)</p><h1>cv2.add(open, tophat)</h1><p>open_and_tophat = cv2.add(opening, tophat) cv2.imshow('open_and_tophat', open_and_tophat) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/open_and_tophat.jpg', open_and_tophat)</p><h1>close-blackhat</h1><p>close_subtract_blackhat = closing - blackhat cv2.imshow('close_subtract_blackhat', close_subtract_blackhat) cv2.waitKey(2000) cv2.destroyAllWindows() cv2.imwrite('../pic/close_subtract_blackhat.jpg', close_subtract_blackhat)
实际遇到的问题及解决方法：在设计实验时，使用礼帽生成的图像加上开运算生成的图像能够得到原图，但使用黑帽生成的图像加上闭运算生成的图像却无法得到原图，反而得到了一张比闭运算图像更浅色的图片（如下）：
经过思考，发现了问题所在：书上对黑帽的定义是：
但是却没有明确指出被减数和减数分别是谁。根据闭运算和黑帽的定义，我认为应该是：
即可得：
修改代码后进行验证，果然生成了原图像：
