什么是图像形态学？这里的图像形态学指的是数学上的图像形态学。

本节的腐蚀和膨胀处理的都是二值化之后的图像，所以也可以称之为二值腐蚀和二值膨胀，与灰度腐蚀和灰度膨胀对应。
腐蚀和膨胀都是针对白色部分而言的（在二值图像中白色为255）。

腐蚀（erosion）

腐蚀是求局部最小值的过程，图像处理后的效果为白色减少、黑色增多。

适用的场景：

  1. 消除小的噪声点
  2. 断开相邻的物体
  3. 使物体整体缩小

膨胀（dilation）

膨胀是求局部最大值的过程，图像处理后的效果为白色增多、黑色减少。

适用的场景：

  1. 填补物体中的空洞
  2. 连接相邻的物体
  3. 使物体整体扩大

结构元素（核）的影响

结构元素的形状和大小会显著影响形态学操作的结果：
目前 opencv 有四种可选的核：矩形，椭圆形，十字形，菱形。
这些核实际上就是不同内容的二维矩阵。

腐蚀和膨胀的测试代码

下面是一段测试程序，用于演示腐蚀和膨胀的效果、不同核的处理效果。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt

img = cv.imread('../photos/2.bmp')
assert img is not None, 'image is invalid'
print('img size:', img.size, img.shape)
img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

img = img[0:500, 300:600]
cv.imwrite('../photos/2_1.bmp', img)

_, binary = cv.threshold(img, 127, 255, cv.THRESH_BINARY)

k_size = (5, 5)
kernel = np.ones(k_size, np.uint8)
print('k_ones', kernel)

# erode result
erosion = cv.erode(binary, kernel)

# dialate result
dilation = cv.dilate(binary, kernel)

# 不同形状的核
rect_kernel = cv.getStructuringElement(cv.MORPH_RECT, k_size)  # 矩形
ellipse_kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, k_size)  # 椭圆形
cross_kernel = cv.getStructuringElement(cv.MORPH_CROSS, k_size)  # 十字形
diamond_kernel = cv.getStructuringElement(cv.MORPH_DIAMOND, k_size)  # 菱形

print('rect kernel', rect_kernel)
print('ellipse kernel', ellipse_kernel)
print('cross kernel', cross_kernel)
print('diamond kernel', diamond_kernel)

# 应用不同核的腐蚀
erosion_rect = cv.erode(binary, rect_kernel)
erosion_ellipse = cv.erode(binary, ellipse_kernel)
erosion_cross = cv.erode(binary, cross_kernel)
erosion_diamond = cv.erode(binary, diamond_kernel)

images = [img, binary, erosion, dilation,
	  erosion_rect, erosion_ellipse, erosion_cross, erosion_diamond]
titles = ['original', 'binary', 'erosion', 'dilation',
	  'erosion rect', 'erosion ellipse', 'erosion cross', 'erosion diamond']

for i in range(len(images)):
    plt.subplot(2, 4, i + 1)
    # plt.imshow(binary, 'gray', vmin=0, vmax=255)
    plt.imshow(images[i], 'gray')
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])

plt.tight_layout()
plt.savefig('plot.png', bbox_inches='tight')

plt.show()

开运算（opening）

线腐蚀后膨胀，用于消除小物体和毛刺

闭运算（closing）

先膨胀后腐蚀，用于填充小孔和连接断裂

（全文完）