形態學操作在影像處理中有多種應用，特別是在處理二值化影像（黑白影像）。
在影像處理應用上，基本上都由侵蝕，膨脹這兩種方法，組合搭配而成。
膨脹運算圖
侵蝕運算圖
常見應用場景
- 物體檢測與分割：
- 形態學操作可以用於增強或改善二值化影像中的物體邊界，使得物體的檢測和分割更加準確。這對於計算機視覺中的目標檢測和分割任務非常有用。
- OpenCV與有提供一個圖像分割的演算法watershed，敝人文章連結如下：
- [OpenCV應用][Python]應用watershed分割圖像(硬幣分割)
- 雜訊去除：
- 在二值化影像中，形態學操作可以用來去除小的雜訊點，使影像更加清晰。侵蝕操作特別適合這一應用，它可以消除小的斑點和細小連接，而不影響主要的物體結構。
- 填充與洞補：
- 閉運算可以用來填充物體內的小洞，使物體更加完整。
- 文本的二值化：
- 在光學字符識別（OCR）等應用中，形態學操作可以用來處理二值化的圖像，增強文本區域的形狀，使得字符更容易被識別。
- 圖像的特徵提取：
- 形態學操作可以用於提取影像中的結構和特徵，例如提取圖像中的邊緣、角點等。這對於後續的圖像分析和特徵識別非常重要。
膨脹（Dilation）：
通常用於擴大和強調二值影像中的物體。膨脹的效果是將物體的邊界擴張。
import cv2
import numpy as np
# 讀取二值影像
binary_image = cv2.imread('binary_image.jpg', cv2.IMREAD_GRAYSCALE)
# 定義膨脹的結構元素
kernel = np.ones((5, 5), np.uint8)
# 進行膨脹操作
dilated_image = cv2.dilate(binary_image, kernel, iterations=2)
cv2.imread('binary_image.jpg', cv2.IMREAD_GRAYSCALE)：
1. 使用OpenCV的imread函數讀取名為'binary_image.jpg'的影像
2. 並使用cv2.IMREAD_GRAYSCALE將其轉換為灰度影像。
np.ones((5, 5), np.uint8)：
1. 創建一個大小為 (5, 5) 的二維NumPy陣列，所有元素都是1，並指定數據類型為 np.uint8
2. 這個陣列被用作侵蝕操作的結構元素，它決定了侵蝕的形狀和大小。
cv2.dilate(binary_image, kernel, iterations=1)：
1. binary_image：要進行膨脹的影像，這裡是灰度影像。
2. kernel：膨脹的結構元素。
3. iterations：膨脹的迭代次數，可以控制膨脹的程度。在這裡設定為2，表示進行二次膨脹操作。
侵蝕（Erosion）：
通常用於縮小和平滑二值影像中的物體。侵蝕的效果是將物體的邊界收縮。
import cv2
import numpy as np
# 讀取二值影像
binary_image = cv2.imread('binary_image.jpg', cv2.IMREAD_GRAYSCALE)
# 定義侵蝕的結構元素
kernel = np.ones((5, 5), np.uint8)
# 進行侵蝕操作
eroded_image = cv2.erode(binary_image, kernel, iterations=1)
cv2.erode(binary_image, kernel, iterations=1)：
1. binary_image：要進行侵蝕的影像，這裡是灰度影像。
2. kernel：侵蝕的結構元素。
3. iterations：侵蝕的迭代次數，可以控制侵蝕的程度。在這裡設定為1，表示進行一次侵蝕操作。
形態學梯度運算
（Morphological Gradient）是形態學操作的一種，膨脹的圖減去侵蝕的圖，通常用於檢測物體的邊緣。它是膨脹操作和侵蝕操作的差異。
import cv2
import numpy as np
# 讀取影像
image = cv2.imread('your_image.jpg', cv2.IMREAD_GRAYSCALE)
# 定義膨脹的結構元素
dilation_kernel = np.ones((5, 5), np.uint8)
# 定義侵蝕的結構元素
erosion_kernel = np.ones((5, 5), np.uint8)
# 進行膨脹操作
dilated_image = cv2.dilate(image, dilation_kernel, iterations=1)
# 進行侵蝕操作
eroded_image = cv2.erode(image, erosion_kernel, iterations=1)
# 形態學梯度運算：膨脹的結果減去侵蝕的結果
morphological_gradient = cv2.subtract(dilated_image, eroded_image)
# 顯示原始影像、膨脹結果、侵蝕結果和形態學梯度結果
cv2.imshow('Original Image', image)
cv2.imshow('Dilated Image', dilated_image)
cv2.imshow('Eroded Image', eroded_image)
cv2.imshow('Morphological Gradient', morphological_gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()
梯度運算
