在计算机视觉中，可能只处理某一个颜色通道（例如检测红色物体时只用 R 通道）。的 NumPy 数组，最后一个维度存储 B、G、R 三个通道的像素值。：需要将其他两个通道置 0，然后合并成彩色图像，才能看到真实颜色的效果。说明图片高 480 像素，宽 640 像素，有 3 个颜色通道。交换通道顺序（如 R 和 B 对调），观察图像颜色变化。：合并前要确保三个通道的尺寸完全一致，否则会报错。将蓝色通道

腐蚀 + 膨胀 → 开运算（去小白点噪声）、闭运算（连接断裂物体）使用不同大小卷积核（3×3、5×5、7×7）观察腐蚀效果。只要邻域内有黑色像素 → 中心像素变黑 → 白色区域缩小。：取卷积核覆盖区域最小值 → 白色缩小、黑色扩展。尝试不同形状卷积核（矩形、椭圆、十字）对比效果。腐蚀 → 缩小前景（白色），扩展背景（黑色）卷积核大小、形状、迭代次数 → 决定腐蚀强度。：腐蚀次数（次数越多，白色区域

在数字图像中，每个像素的值表示亮度（灰度图）或颜色强度（彩色图）。：整体的明暗程度。调亮会让所有像素变亮，调暗会让所有像素变暗。：图像中亮的部分与暗的部分差别的大小。对比度高，明暗差距大；对比度低，图像灰蒙蒙。：对比度系数 (>1 增强对比度，0~1 降低对比度)：亮度偏移量 (>0 变亮，<0 变暗)

本文介绍了OpenCV中的形态学操作开运算和闭运算在图像去噪与修复中的应用。开运算（先腐蚀后膨胀）可有效消除白色噪声点，闭运算（先膨胀后腐蚀）则能填补黑色空洞。文章详细讲解了两种运算的原理、OpenCV实现方法及参数选择技巧，包括卷积核大小、形状和迭代次数的影响。这些形态学操作是图像预处理的重要手段，能显著改善图像质量，为后续的轮廓检测等任务提供良好基础。