1. 介绍

膨胀和腐蚀操作都会有一个通病，就是会改变原目标的大小

开运算：先对目标腐蚀在膨胀

开运算能够平滑物体的轮廓、断开狭窄的狭颈、消除细长的突出物等等

开运算的一些理解：先腐蚀在膨胀，可以保证目标大致的形状不变

改变的部分，是由于腐蚀操作可能会让某些目标消失，这样该目标就不能通过膨胀还原
所以开运算后的图像是原图的子集
根据几何解释，所以对同一幅图像重复开运算结果是相同的

闭运算：先膨胀在腐蚀

闭运算能够弥合狭窄的断裂和细长的沟壑、消除小孔、填补轮廓中的缝隙等等

闭运算：先膨胀在腐蚀

原图是闭运算图像后的子集
根据几何解释，所以对同一幅图像重复闭运算结果是相同的
增加的部分，是由于膨胀操作可能会让目标之间产生连接，这样该目标就不能通过腐蚀还原

Tip ：看开、闭运算的作用，主要看第一次操作是膨胀还是腐蚀，因为第一次占的是主导作用，而第二次的膨胀腐蚀操作只是还原目标

2. 代码实现

2.1 开运算

代码为：

这里iteration 代表open运算的迭代次数。

这里是先进行五次腐蚀，然后再五次膨胀

而不是重复五次开运算，因为重复开运算结果是不变的

import cv2
import numpy as npimg = cv2.imread('./img.png',0)kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(3,3))  # 获取矩形结构元
dst = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel,iterations=5)cv2.imshow('img',np.hstack((img,dst)))
cv2.waitKey()
cv2.destroyAllWindows()

处理结果为：

可以发现毛刺被处理掉了，这里因为腐蚀会将这种毛刺消去，然后膨胀将主要的前景还原

2.2 闭运算

代码为：

import cv2
import numpy as npimg = cv2.imread('./img.png',0)kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))  # 获取矩形结构元
dst = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel,iterations=3)cv2.imshow('img',np.hstack((img,dst)))
cv2.waitKey()
cv2.destroyAllWindows()

处理结果为：

膨胀的操作会将内部的孔洞填充，然后闭运算将目标的大小还原