小編寫這篇文章的主要目的，主要是給大家介紹關于python數字圖像處理的一些相關介紹，包括基本的形態學濾波，比如可以使用數字圖像去進行處理類似的形態學濾波。那么，具體的內容呢？下面就給大家詳細解答下。

　　引言

　　對圖像進行形態學變換。變換對象一般為灰度圖或二值圖，功能函數放在morphology子模塊內。

　　1、膨脹（dilation)

　　原理：一般對二值圖像進行操作。找到像素值為1的點，將它的鄰近像素點都設置成這個值。1值表示白，0值表示黑，因此膨脹操作可以擴大白色值范圍，壓縮黑色值范圍。一般用來擴充邊緣或填充小的孔洞。

　　功能函數：skimage.morphology.dilation(image,selem=None）

　　selem表示結構元素，用于設定局部區域的形狀和大小。

　　from skimage import data
　　import skimage.morphology as sm
　　import matplotlib.pyplot as plt
　　img=data.checkerboard()
　　dst1=sm.dilation(img,sm.square(5))#用邊長為5的正方形濾波器進行膨脹濾波
　　dst2=sm.dilation(img,sm.square(15))#用邊長為15的正方形濾波器進行膨脹濾波
　　plt.figure('morphology',figsize=(8,8))
　　plt.subplot(131)
　　plt.title('origin image')
　　plt.imshow(img,plt.cm.gray)
　　plt.subplot(132)
　　plt.title('morphological image')
　　plt.imshow(dst1,plt.cm.gray)
　　plt.subplot(133)
　　plt.title('morphological image')
　　plt.imshow(dst2,plt.cm.gray)

　　分別用邊長為5或15的正方形濾波器對棋盤圖片進行膨脹操作，結果如下：

　　可見濾波器的大小，對操作結果的影響非常大。一般設置為奇數。

　　除了正方形的濾波器外，濾波器的形狀還有一些，現列舉如下：

　　morphology.square:正方形

　　morphology.disk:平面圓形

　　morphology.ball:球形

　　morphology.cube:立方體形

　　morphology.diamond:鉆石形

　　morphology.rectangle:矩形

　　morphology.star:星形

　　morphology.octagon:八角形

　　morphology.octahedron：八面體

　　注意，如果處理圖像為二值圖像（只有0和1兩個值），則可以調用：

　　skimage.morphology.binary_dilation(image,selem=None）

　　用此函數比處理灰度圖像要快。

　　2、腐蝕（erosion)

　　函數：skimage.morphology.erosion(image,selem=None）

　　selem表示結構元素，用于設定局部區域的形狀和大小。

　　和膨脹相反的操作，將0值擴充到鄰近像素。擴大黑色部分，減小白色部分。可用來提取骨干信息，去掉毛刺，去掉孤立的像素。

　　from skimage import data
　　import skimage.morphology as sm
　　import matplotlib.pyplot as plt
　　img=data.checkerboard()
　　dst1=sm.erosion(img,sm.square(5))#用邊長為5的正方形濾波器進行膨脹濾波
　　dst2=sm.erosion(img,sm.square(25))#用邊長為25的正方形濾波器進行膨脹濾波
　　plt.figure('morphology',figsize=(8,8))
　　plt.subplot(131)
　　plt.title('origin image')
　　plt.imshow(img,plt.cm.gray)
　　plt.subplot(132)
　　plt.title('morphological image')
　　plt.imshow(dst1,plt.cm.gray)
　　plt.subplot(133)
　　plt.title('morphological image')
　　plt.imshow(dst2,plt.cm.gray)

　　注意，如果處理圖像為二值圖像（只有0和1兩個值），則可以調用：

　　skimage.morphology.binary_erosion(image,selem=None）

　　用此函數比處理灰度圖像要快。

　　3、開運算（opening)

　　函數：skimage.morphology.openning(image,selem=None）

　　selem表示結構元素，用于設定局部區域的形狀和大小。

　　先腐蝕再膨脹，可以消除小物體或小斑塊。

　　from skimage import io,color
　　import skimage.morphology as sm
　　import matplotlib.pyplot as plt
　　img=color.rgb2gray(io.imread('d:/pic/mor.png'))
　　dst=sm.opening(img,sm.disk(9))#用邊長為9的圓形濾波器進行膨脹濾波
　　plt.figure('morphology',figsize=(8,8))
　　plt.subplot(121)
　　plt.title('origin image')
　　plt.imshow(img,plt.cm.gray)
　　plt.axis('off')
　　plt.subplot(122)
　　plt.title('morphological image')
　　plt.imshow(dst,plt.cm.gray)
　　plt.axis('off')

　　注意，如果處理圖像為二值圖像（只有0和1兩個值），則可以調用：

　　skimage.morphology.binary_opening(image,selem=None）

　　用此函數比處理灰度圖像要快。

　　4、閉運算（closing)

　　函數：skimage.morphology.closing(image,selem=None）

　　selem表示結構元素，用于設定局部區域的形狀和大小。

　　先膨脹再腐蝕，可用來填充孔洞。

　　from skimage import io,color
　　import skimage.morphology as sm
　　import matplotlib.pyplot as plt
　　img=color.rgb2gray(io.imread('d:/pic/mor.png'))
　　dst=sm.closing(img,sm.disk(9))#用邊長為5的圓形濾波器進行膨脹濾波
　　plt.figure('morphology',figsize=(8,8))
　　plt.subplot(121)
　　plt.title('origin image')
　　plt.imshow(img,plt.cm.gray)
　　plt.axis('off')
　　plt.subplot(122)
　　plt.title('morphological image')
　　plt.imshow(dst,plt.cm.gray)
　　plt.axis('off')

　　注意，如果處理圖像為二值圖像（只有0和1兩個值），則可以調用：

　　skimage.morphology.binary_closing(image,selem=None）

　　用此函數比處理灰度圖像要快。

　　5、白帽（white-tophat)

　　函數：skimage.morphology.white_tophat(image,selem=None）

　　selem表示結構元素，用于設定局部區域的形狀和大小。

　　將原圖像減去它的開運算值，返回比結構化元素小的白點

　　from skimage import io,color
　　import skimage.morphology as sm
　　import matplotlib.pyplot as plt
　　img=color.rgb2gray(io.imread('d:/pic/mor.png'))
　　dst=sm.white_tophat(img,sm.square(21))
　　plt.figure('morphology',figsize=(8,8))
　　plt.subplot(121)
　　plt.title('origin image')
　　plt.imshow(img,plt.cm.gray)
　　plt.axis('off')
　　plt.subplot(122)
　　plt.title('morphological image')
　　plt.imshow(dst,plt.cm.gray)
　　plt.axis('off')

　　6、黑帽（black-tophat)

　　函數：skimage.morphology.black_tophat(image,selem=None）

　　selem表示結構元素，用于設定局部區域的形狀和大小。

　　將原圖像減去它的閉運算值，返回比結構化元素小的黑點，且將這些黑點反色。

　　from skimage import io,color
　　import skimage.morphology as sm
　　import matplotlib.pyplot as plt
　　img=color.rgb2gray(io.imread('d:/pic/mor.png'))
　　dst=sm.black_tophat(img,sm.square(21))
　　plt.figure('morphology',figsize=(8,8))
　　plt.subplot(121)
　　plt.title('origin image')
　　plt.imshow(img,plt.cm.gray)
　　plt.axis('off')
　　plt.subplot(122)
　　plt.title('morphological image')
　　plt.imshow(dst,plt.cm.gray)
　　plt.axis('off')

        綜上所述，這篇文章就給大家介紹到這里了，希望可以給大家帶來幫助。