如果您觉得本文不错，帮忙点赞哦！
一. 图像形态学处理 —— 膨胀和腐蚀
图解图像腐蚀和膨胀 ↑
二. 开运算与闭运算：
开运算：先腐蚀后膨胀，能够消除图像区域外的小白点（噪声）。
闭运算：先膨胀后腐蚀，能够消除图像区域内的小黑点（噪声）。
图解图像开运算与闭运算 ↑
为什么有了膨胀、腐蚀还要开运算闭运算呢？其实开闭运算最重要的一点就是，可以保持物体原有大小。然后一个是消除物体外部噪声（开运算）的另一个是增强物体之间连接点（闭运算）的。
三. python实现开运算和闭运算：
1 # Morphology Dilate 2 def Morphology_Dilate(img, Dil_time=1): 3 H, W = img.shape 4 5 # kernel 6 MF = np.array(((0, 1, 0), 7 (1, 0, 1), 8 (0, 1, 0)), dtype=np.int) 9 10 # each dilate time 11 out = img.copy() 12 for i in range(Dil_time): 13 tmp = np.pad(out, (1, 1), 'edge') 14 for y in range(1, H): 15 for x in range(1, W): 16 if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) >= 255: 17 out[y, x] = 255 18 19 return out 20 21 22 # Morphology Erode 23 def Morphology_Erode(img, Erode_time=1): 24 H, W = img.shape 25 out = img.copy() 26 27 # kernel 28 MF = np.array(((0, 1, 0), 29 (1, 0, 1), 30 (0, 1, 0)), dtype=np.int) 31 32 # each erode 33 for i in range(Erode_time): 34 tmp = np.pad(out, (1, 1), 'edge') 35 # erode 36 for y in range(1, H): 37 for x in range(1, W): 38 if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) < 255*4: 39 out[y, x] = 0 40 41 return out 42 43 # Morphology Closing 44 def Morphology_Closing(img, time=1): 45 out = Morphology_Dilate(img, Dil_time=time) 46 out = Morphology_Erode(out, Erode_time=time) 47 48 return out 49 50 51 # Opening morphology 52 def Morphology_Opening(img, time=1): 53 out = Morphology_Erode(img, Erode_time=time) 54 out = Morphology_Dilate(out, Dil_time=time) 55 56 return out
四. 开闭运算的效果：
原图（左）、开运算（中）、闭运算（右） ↑
可以看到，图像开运算，消除了图像外部的噪声，图像闭运算，连通了更多的图像区域。
五. 参考内容：
https://www.jianshu.com/p/d1820f223fe4
六. 版权声明：
未经作者允许，请勿随意转载抄袭，抄袭情节严重者，作者将考虑追究其法律责任，创作不易，感谢您的理解和配合！