原理
形態(tài)變換是根據(jù)圖片的形狀進行的簡單運算。一般被用在二值圖像上。它需要兩個輸入，一個是我們的原始圖片，另一個是被叫做結(jié)構(gòu)元素或者是核，用來決定運算的類型。兩個基本的形態(tài)運算是腐蝕和Dilation.其他的變形如開，合，梯度等也會有。我們來看看他們在下面這張圖上的表現(xiàn)。
1. 腐蝕
腐蝕的基本理念就和土壤腐蝕一樣，它會腐蝕掉前景的邊緣（所以前景應(yīng)該用白色）。核腐蝕掉圖片。原始圖片里的一個像素（1或者0）只有在核下的所有像素都是1的時候才被認為是1.否則它就被腐蝕掉了（變成0）
根據(jù)核的大小來決定在邊界附近的多少像素會被丟棄掉，所以前景物體的厚度或大小會縮小，或者說白色區(qū)域會減小。這個在移除小的白色噪點時很有用。
在下面的例子里，我用給一個5x5的核，來看看如何工作的：
import cv2
import numpy as np
img = cv2.imread('j.png',0)
kernel = np.ones((5,5), np.uint8)
erosion = cv2.erode(img,kernel,iterations=1)
結(jié)果：
2.膨脹
這個就是腐蝕的反義詞，在核下只要有至少一個像素是1，像素的值就是1.所以它會增加圖片上白色區(qū)域的范圍或者前景物體的大小。一般來說，在去噪過程中，腐蝕后會再膨脹。因為腐蝕去掉了白噪點，但是它也縮小了我們的對象，所以我們再膨脹它，由于噪點已經(jīng)沒了，它不會回來，我們的物體區(qū)域會增加。在把分隔對象連起來也很有用。
dilation = cv2.dilate(img,kernel,iterations=1)
3. 開
開就是腐蝕之后再膨脹的另一個名字。我們使用函數(shù)cv2.morphologyEx()
opening = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)
結(jié)果：
4.閉
閉是開的反義詞，膨脹之后再腐蝕，在用來關(guān)閉前景對象里的小洞或小黑點很有用。
closing = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)
5.形態(tài)梯度
這個和腐蝕以及膨脹不同，結(jié)果看上去像是物體的輪廓。
gradient = cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)
結(jié)果：
6.頂帽
這個是輸入圖片和圖片的開運算結(jié)果的差別，下面是9x9的核的
tophat=cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)
結(jié)果：
7.黑帽
這是輸入圖片的閉的結(jié)果和輸入圖片的差別。
blackhat=cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)
結(jié)果：
結(jié)構(gòu)元素
我們通過Numpy人工創(chuàng)建了結(jié)構(gòu)元素。是個矩形，但是有些情況下，你可能會需要橢圓/圓型的核。為了這個目的，OpenCV有一個函數(shù)cv2.getStructuringElement()。你把形狀和核的大小作為參數(shù)傳給它，你就可以得到想要的核。
# Rectangular Kernel
>>>cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
array([[1,1,1,1,1],
? ? ? ? ? [1,1,1,1,1],
? ? ? ? ? [1,1,1,1,1],
? ? ? ? ? [1,1,1,1,1],
? ? ? ? ? [1,1,1,1,1]],dtype=uint8)
# Elliptical Kernel
>>>cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
array([[0,0,1,0,0],
? ? ? ? ? [1,1,1,1,1],
? ? ? ? ? [1,1,1,1,1],
? ? ? ? ? [1,1,1,1,1],
? ? ? ? ? [0,0,1,0,0]],dtype=uint8)
# Cross-shaped Kernel
>>>cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
array([[0,0,1,0,0],
? ? ? ? ? [0,0,1,0,0],
? ? ? ? ? [1,1,1,1,1],
? ? ? ? ? [0,0,1,0,0],
? ? ? ? ? [0,0,1,0,0]],dtype=uint8)
