OpenCV 从零学习 · 第 10 讲：形态学操作
函数：cv2.erode / cv2.dilate / cv2.morphologyEx ｜ 难度：★★☆☆☆
形态学（Morphology）是一组针对二值图的形状操作：把前景（白色）按一个"小模板"（结构元素）去擦、去补、去连。它是去椒盐噪点、填补空洞、断开粘连、提取边缘的利器，常排在阈值化/轮廓之后使用。本讲讲清腐蚀、膨胀，以及由它们组合出的"开运算 / 闭运算"。
一、结构元素（内核）
所有形态学操作都依赖一个"核"——决定操作的形状和范围，用 cv2.getStructuringElement 生成。
kernel = cv2.getStructuringElement(shape, ksize)| shape | 形状 |
cv2.MORPH_RECT | 矩形（最常用） |
cv2.MORPH_ELLIPSE | 椭圆 |
cv2.MORPH_CROSS | 十字形 |
例：kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
二、腐蚀与膨胀（基础两招）
dst = cv2.erode(src, kernel, iterations=1)
dst = cv2.dilate(src, kernel, iterations=1)| 操作 | 效果（前景=白） | 直觉 |
erode 腐蚀 | 白色区域"变瘦" | 去掉小白点、断开细连接 |
dilate 膨胀 | 白色区域"变胖" | 填补小黑洞、连接断开 |
⚠ 关键认知
形态学操作默认把白色当"前景/物体"。如果你的图是"黑字白底"，腐蚀会把字加粗、膨胀会把字变细——和直觉相反。处理前确认黑白关系，必要时用
形态学操作默认把白色当"前景/物体"。如果你的图是"黑字白底"，腐蚀会把字加粗、膨胀会把字变细——和直觉相反。处理前确认黑白关系，必要时用
THRESH_BINARY_INV 反转。
三、组合运算 cv2.morphologyEx
dst = cv2.morphologyEx(src, op, kernel)| op | 组成 | 典型用途 |
MORPH_OPEN | 先腐蚀后膨胀 | 去掉前景上的小白点（噪点） |
MORPH_CLOSE | 先膨胀后腐蚀 | 填补前景里的小黑洞 |
MORPH_GRADIENT | 膨胀 − 腐蚀 | 提取物体轮廓边缘 |
MORPH_TOPHAT | 原图 − 开运算 | 提取比背景亮的细节（划痕、纹路） |
MORPH_BLACKHAT | 闭运算 − 原图 | 提取比背景暗的细节 |
场景 A · 开运算去椒盐噪点
一张带白色小噪点的二值图：
一张带白色小噪点的二值图：
cv2.morphologyEx(bin, cv2.MORPH_OPEN, kernel)——先腐蚀把小白点"擦掉"，再膨胀把主体恢复原状，噪点没了、主体还在。比中值滤波更"结构化"（中值见第 5 讲）。
场景 B · 闭运算填补文字断口
扫描件里笔画被噪点打断成一段段：
扫描件里笔画被噪点打断成一段段：
MORPH_CLOSE 先膨胀把断口连上，再腐蚀恢复粗细，文字笔画变连贯。
场景 C · 形态学梯度提取边缘
MORPH_GRADIENT = 膨胀图减腐蚀图，正好得到物体"轮廓一圈"，可作为轻量边缘提取（弱于 Canny 但快）。
场景 D · 顶帽提取亮纹
在均匀背景上找比周围亮的细线（如指纹、划痕）：
在均匀背景上找比周围亮的细线（如指纹、划痕）：
MORPH_TOPHAT 把"开运算削掉的小亮结构"凸显出来。
import cv2
bin = cv2.imread('binary.png', cv2.IMREAD_GRAYSCALE)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
opened = cv2.morphologyEx(bin, cv2.MORPH_OPEN, kernel) # 去小白点
closed = cv2.morphologyEx(bin, cv2.MORPH_CLOSE, kernel) # 填小黑洞
grad = cv2.morphologyEx(bin, cv2.MORPH_GRADIENT, kernel) # 边缘
⚠ 新手必踩坑
- 形态学操作吃二值图效果最好；喂灰度图理论上能跑，但语义是"按亮度做形态学"，结果不直观。
- 开 / 闭运算顺序别搞反：开=先腐蚀后膨胀（去噪点），闭=先膨胀后腐蚀（填空洞）。
kernel越大、iterations越多，作用越强，但也越容易伤到主体——按需调小。
本讲要点
- 腐蚀（瘦）/ 膨胀（胖）默认作用于白色前景；黑白反了先反转。
- 开运算去噪点、闭运算填空洞；梯度提边缘；顶/黑帽提亮/暗细节。
- 核心参数：结构元素
kernel的形状与大小，决定作用强度。
系列小结：第 1~10 讲覆盖了 OpenCV 入门主干（读显存 → 像素/ROI → 色彩空间 → 几何变换 → 滤波 → 阈值 → 边缘 → 轮廓 → 绘制 → 形态学）。后续可进阶：直方图均衡、模板匹配、特征点（SIFT/ORB）、视频读写、人脸检测等。欢迎在「技术文档」板块继续追更。
