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(zhǎng)為5的正方形濾波器進(jìn)行膨脹濾波
dst2=sm.dilation(img,sm.square(15))  #用邊長(zhǎng)為15的正方形濾波器進(jìn)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(zhǎng)為5或15的正方形濾波器對(duì)棋盤圖片進(jìn)行膨脹操作，結(jié)果如下：

可見(jiàn)濾波器的大小，對(duì)操作結(jié)果的影響非常大。一般設(shè)置為奇數(shù)。

除了正方形的濾波器外，濾波器的形狀還有一些，現(xiàn)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(gè)值），則可以調(diào)用：

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

用此函數(shù)比處理灰度圖像要快。

2、腐蝕（erosion)

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

selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)域的形狀和大小。

和膨脹相反的操作，將0值擴(kuò)充到鄰近像素。擴(kuò)大黑色部分，減小白色部分。可用來(lái)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(zhǎng)為5的正方形濾波器進(jìn)行膨脹濾波
dst2=sm.erosion(img,sm.square(25))  #用邊長(zhǎng)為25的正方形濾波器進(jìn)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(gè)值），則可以調(diào)用：

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

用此函數(shù)比處理灰度圖像要快。

3、開(kāi)運(yùn)算（opening)

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

selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)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(zhǎng)為9的圓形濾波器進(jìn)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(gè)值），則可以調(diào)用：

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

用此函數(shù)比處理灰度圖像要快。

4、閉運(yùn)算（closing)

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

selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)域的形狀和大小。

先膨脹再腐蝕，可用來(lái)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(zhǎng)為5的圓形濾波器進(jìn)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(gè)值），則可以調(diào)用：

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

用此函數(shù)比處理灰度圖像要快。

5、白帽（white-tophat)

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

selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)域的形狀和大小。

將原圖像減去它的開(kāi)運(yùn)算值，返回比結(jié)構(gòu)化元素小的白點(diǎn)

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

selem表示結(jié)構(gòu)元素，用于設(shè)定局部區(qū)域的形狀和大小。

將原圖像減去它的閉運(yùn)算值，返回比結(jié)構(gòu)化元素小的黑點(diǎn)，且將這些黑點(diǎn)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')