计算机视觉 / 系统课时

使用开运算与闭运算

使用开运算与闭运算

开运算和闭运算都由腐蚀、膨胀组合而成,但解决的问题相反:前者适合去掉小型前景噪点,后者适合填小孔、连接窄断点。下面用 OpenCV 4.x 的二值掩膜直接完成两种处理,并用像素与连通区域数量验证结果。

学习目标

  • 区分开运算与闭运算的执行顺序和适用缺陷。
  • 使用 cv2.morphologyEx 与结构元素处理二值掩膜。
  • 根据噪点、孔洞和断点尺寸选择核大小,并用数据验证结果。

先按缺陷选开运算还是闭运算

对前景为 255、背景为 0 的二值图,开运算执行“腐蚀后膨胀”,小于结构元素有效覆盖范围的孤立白点容易被消除;闭运算执行“膨胀后腐蚀”,小型黑孔和窄缝会被白色前景覆盖。常用起点是 3×3 或 5×5、iterations=1。

目标 OpenCV 操作 顺序 典型对象
去除小白点、毛刺 cv2.MORPH_OPEN 腐蚀 → 膨胀 1~3 像素噪点
填小黑孔、接窄断点 cv2.MORPH_CLOSE 膨胀 → 腐蚀 小孔、短裂缝

开运算与闭运算对二值掩膜的处理顺序和结果

用 5×5 核完成去噪与补洞

下面的完整示例构造两个相距 4 像素的矩形,在左侧矩形内挖一个 3×3 黑孔,并加入一个 3×3 白噪点。先开运算去噪,再闭运算填孔并连接两个区域;cv2.getStructuringElement 生成 5×5 矩形结构元素。

python
import cv2
import numpy as np

mask = np.zeros((100, 140), dtype=np.uint8)
cv2.rectangle(mask, (20, 20), (60, 70), 255, thickness=-1)
cv2.rectangle(mask, (65, 20), (105, 70), 255, thickness=-1)

# 主体内部制造 3x3 黑孔,并在左上角制造 3x3 白噪点。
mask[45:48, 39:42] = 0
mask[10:13, 10:13] = 255

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
opened = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel, iterations=1)
closed = cv2.morphologyEx(opened, cv2.MORPH_CLOSE, kernel, iterations=1)

# 用指定像素和连通区域数量检查处理结果,而不是只凭肉眼判断。
print(f'noise_removed={opened[11, 11] == 0}')
print(f'hole_filled={closed[46, 40] == 255}')
num_labels, _ = cv2.connectedComponents(closed, connectivity=8)
print(f'foreground_components={num_labels - 1}')

预期输出:

text
noise_removed=True
hole_filled=True
foreground_components=1

结果说明开运算已经删除左上角小噪点,闭运算填掉 3×3 孔洞,并把 4 像素间隙两侧的矩形连接为一个前景连通区域。实际项目中的缺陷尺寸不同,应按像素尺度重新选核,不要直接照搬 5×5。

调核大小并验证结果

调参时从 MORPH_RECT 的 3×3、iterations=1 开始:若仍有 1~2 像素噪点,再尝试 5×5;如果细线宽度只有 2~3 像素,5×5 开运算可能直接删掉有效结构,应退回 3×3,或改用 MORPH_ELLIPSE 降低方形核对角部的侵蚀感。

验证至少看三项:噪点是否消失、目标连通区域数量是否符合预期、关键细节是否被误删。闭运算若把本应分开的两个目标粘在一起,说明核尺寸超过真实间隙;例如目标间距约 6 像素时,不应直接用 7×7 闭运算作为默认值。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

使用开运算与闭运算

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通