如果您覺得本文不錯，幫忙點贊哦！
一. 圖像形態學處理 —— 膨脹和腐蝕
圖解圖像腐蝕和膨脹 ↑
二. 開運算與閉運算：
開運算：先腐蝕后膨脹，能夠消除圖像區域外的小白點（噪聲）。
閉運算：先膨脹后腐蝕，能夠消除圖像區域內的小黑點（噪聲）。
圖解圖像開運算與閉運算 ↑
為什么有了膨脹、腐蝕還要開運算閉運算呢？其實開閉運算最重要的一點就是，可以保持物體原有大小。然后一個是消除物體外部噪聲（開運算）的另一個是增強物體之間連接點（閉運算）的。
三. python實現開運算和閉運算：
1 # Morphology Dilate 2 def Morphology_Dilate(img, Dil_time=1): 3 H, W = img.shape 4 5 # kernel 6 MF = np.array(((0, 1, 0), 7 (1, 0, 1), 8 (0, 1, 0)), dtype=np.int) 9 10 # each dilate time 11 out = img.copy() 12 for i in range(Dil_time): 13 tmp = np.pad(out, (1, 1), 'edge') 14 for y in range(1, H): 15 for x in range(1, W): 16 if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) >= 255: 17 out[y, x] = 255 18 19 return out 20 21 22 # Morphology Erode 23 def Morphology_Erode(img, Erode_time=1): 24 H, W = img.shape 25 out = img.copy() 26 27 # kernel 28 MF = np.array(((0, 1, 0), 29 (1, 0, 1), 30 (0, 1, 0)), dtype=np.int) 31 32 # each erode 33 for i in range(Erode_time): 34 tmp = np.pad(out, (1, 1), 'edge') 35 # erode 36 for y in range(1, H): 37 for x in range(1, W): 38 if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) < 255*4: 39 out[y, x] = 0 40 41 return out 42 43 # Morphology Closing 44 def Morphology_Closing(img, time=1): 45 out = Morphology_Dilate(img, Dil_time=time) 46 out = Morphology_Erode(out, Erode_time=time) 47 48 return out 49 50 51 # Opening morphology 52 def Morphology_Opening(img, time=1): 53 out = Morphology_Erode(img, Erode_time=time) 54 out = Morphology_Dilate(out, Dil_time=time) 55 56 return out
四. 開閉運算的效果：
原圖（左）、開運算（中）、閉運算（右） ↑
可以看到，圖像開運算，消除了圖像外部的噪聲，圖像閉運算，連通了更多的圖像區域。
五. 參考內容：
https://www.jianshu.com/p/d1820f223fe4
六. 版權聲明：
未經作者允許，請勿隨意轉載抄襲，抄襲情節嚴重者，作者將考慮追究其法律責任，創作不易，感謝您的理解和配合！