影像形態學運算是一種根據影像中物體形狀進行處理的方法，常用於去除雜訊、分離物體、填補空洞，主要應用於二值化影像。這些運算能夠強化影像結構，提升後續分析的準確性。

📌 形態學運算的基本概念

形態學運算依賴「卷積核（Kernel）」進行像素區域的操作。常見運算包括：

1. 膨脹（Dilation）：擴張白色區域，填補小黑洞。
2. 侵蝕（Erosion）：縮小白色區域，去除雜點。
3. 開運算（Opening）：先侵蝕再膨脹，用於去除雜訊。
4. 閉運算（Closing）：先膨脹再侵蝕，用於填補白色區域的小洞。

🖼 測試圖片準備

import cv2
import numpy as np


img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
# 進行二值化處理
_, binary = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
cv2.imshow('Binary', binary)

# 將以下程式碼放在所有顯示語句的最後面
cv2.waitKey()
cv2.destroyAllWindows()

🔹 1. 膨脹（Dilation）

# 建立 5x5 的卷積核
kernel = np.ones((5,5), np.uint8)
dilation = cv2.dilate(binary, kernel, iterations=1)
cv2.imshow('Dilation', dilation)

📌 說明

• 膨脹會讓白色區域「變大」，適合用來填補白色區域的小黑洞或連接斷裂的物體。
• iterations 代表膨脹的次數，數值越大效果越明顯。

效果示意：

🔹 2. 侵蝕（Erosion）

# 建立 5x5 的卷積核
kernel = np.ones((5,5), np.uint8)
erosion = cv2.erode(binary, kernel, iterations=1)
cv2.imshow('Erosion', erosion)

📌 說明

• 侵蝕會讓白色區域「縮小」，適合去除小的白色雜點或分離相連物體。
• kernel 越大，侵蝕效果越明顯，但也可能損失細節。

效果示意：

🔹 3. 開運算（Opening）

# 開運算：先侵蝕再膨脹
opening = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)
cv2.imshow('Opening', opening)

📌 說明

• 開運算 = 侵蝕 → 膨脹
• 適合去除雜訊但保留主要物體結構，常用於清理背景雜點。

效果示意：

🔹 4. 閉運算（Closing）

# 閉運算：先膨脹再侵蝕
closing = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)
cv2.imshow('Closing', closing)

📌 說明

• 閉運算 = 膨脹 → 侵蝕
• 適合填補物體內部的小黑洞，增強物體的完整性。

效果示意：

📊 方法比較

📖 今日結語

形態學運算能有效改善二值化影像的品質，使物體邊界更清晰、雜訊更少。這些方法在影像前處理與電腦視覺任務中扮演關鍵角色，能提升物體偵測、分割等後續工作的精度與穩定性。