【第13节】OpenCV形态学转换
目标
原理
形态学操作是根据图像形状进行的简单操作。一般情况下对二值化图像进行的操作。需要输入两个参数，一个是原始图像，第二个被称为结构化元素或核，它是用来决定操作的性质的。两个基本的形态学操作是腐蚀和膨胀。他们的变体构成了开运算，闭运算，梯度等。我们会以下图为例逐一介绍它们。
1、腐蚀
就像土壤侵蚀一样，这个操作会把前景物体的边界腐蚀掉(但是前景仍然是白色)。这是怎么做到的呢?卷积核沿着图像滑动，如果与卷积核对应的原图像的所有像素值都是1，那么中心元素就保持原来的像素值，否则就变为零。这回产生什么影响呢?根据卷积核的大小靠近前景的所有像素都会被腐蚀掉(变为0),所以前景物体会变小，整幅图像的白色区域会减少。这对于去除白噪声很有用，也可以用来断开两个连在一块的物体等。
这里我们有一个例子，使用一个5x5的卷积核，其中所有的值都是1。让我们看看他是如何工作的:
结果：
2、膨胀
与腐蚀相反，与卷积核对应的原图像的像素值中只要有一个是1,中心元素的像素值就是1。所以这个操作会增加图像中的白色区域(前景)。一般在去噪声时先用腐蚀再用膨胀。因为腐蚀在去掉白噪声的同时，也会使前景对象变小。所以我们再对他进行膨胀。这时噪声已经被去除了，不会再回来了，但是前景还在并会增加。膨胀也可以用来连接两个分开的物体。
结果：
3、开运算
先进性腐蚀再进行膨胀就叫做开运算。就像我们上面介绍的那样，它被用来去除噪声。这里我们用到的函数是CV2.morphologyEx()。
结果：
4、闭运算
先膨胀再腐蚀。它经常被用来填充前景物体中的小洞，或者前景物体.上的小黑点。
结果：
5、形态学梯度
其实就是一幅图像膨胀与腐蚀的差别。结果看上去就像前景物体的轮廓。
结果：
6、礼帽
原始图像与进行开运算之后得到的图像的差。下面的例子是用9*9的核进行礼帽操作的结果：
结果：
7、黑帽
进行闭运算之后得到的图像与原始图像的差
结果:
结构化元素
在前面的例子中我们使用Numpy构建了结构化元素，它是正方形的。但有时我们需要构建-个椭圆形/圆形的核。为了实现这种要求，提供了OpenCV函CV2.getStructuringElement(。你只需要告诉他你需要的核的形状和大小。
