计算机视觉 / 系统课时
执行开闭运算
执行开闭运算
开运算和闭运算把腐蚀、膨胀按固定顺序组合起来,用于处理二值图像中的局部缺陷。本节会直接使用 OpenCV 去除孤立前景噪点、填补小孔,并说明结构元素大小如何决定被处理的细节尺度。
学习目标
- 区分开运算与闭运算的执行顺序和典型用途
- 使用
cv2.morphologyEx()完成开闭运算 - 根据噪点或孔洞尺寸选择合适的结构元素
开运算与闭运算解决什么
二值图像中通常把非零像素视为前景。孤立的白色噪点、细小毛刺会干扰目标分析,而前景内部的小黑孔或窄裂缝也可能破坏连通区域。单独执行一次腐蚀或膨胀虽然能处理这些问题,却往往会持续缩小或扩大目标。
开运算先腐蚀、再膨胀。尺寸小于结构元素的前景区域可能在腐蚀阶段消失,之后的膨胀无法把它们恢复,因此适合去除孤立噪点和细小突出部分。
闭运算先膨胀、再腐蚀。膨胀会先覆盖细小孔洞或间隙,随后腐蚀收回目标外边界,因此适合填补小孔、连接很窄的断裂。

用 OpenCV 完成开闭运算
cv2.morphologyEx() 通过操作类型指定组合方式。下面构造一个包含孤立白点和中心小孔的二值图像,并分别执行开运算和闭运算。
python
import cv2
import numpy as np
binary = np.zeros((9, 9), dtype=np.uint8)
binary[2:7, 2:7] = 255
# 制造一个前景内部的小孔和一个孤立前景噪点
binary[4, 4] = 0
binary[0, 0] = 255
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
opened = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)
closed = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)
# 分别验证开运算去噪、闭运算填孔的关键像素
print(f"opening removes noise: {opened[0, 0] == 0}")
print(f"closing fills hole: {closed[4, 4] == 255}")预期输出:
text
opening removes noise: True
closing fills hole: True这里没有连续对同一结果做开、闭运算,因为两种操作解决的是不同问题。实际项目中可以分别保存结果,通过目标面积、连通性或后续轮廓检测结果判断哪一种更符合需求。
结构元素决定处理尺度
结构元素可以通过 cv2.getStructuringElement() 创建。MORPH_RECT 对横纵方向都敏感,MORPH_ELLIPSE 更适合圆滑目标,MORPH_CROSS 则只保留十字方向的邻域关系。
结构元素越大,能够移除的噪点或填补的孔洞通常越大,但对真实目标形状的改变也越明显。对于只有几个像素的缺陷,应先从 3×3 开始,而不是直接使用大尺寸核。
如果一次操作效果不足,优先根据缺陷实际尺寸调整核的形状和大小,再考虑增加 iterations。这样比盲目重复形态学操作更容易控制目标边界的变化。
按自己的节奏,确认真正理解。