Categorías

← View All Tools

Cierre Morfológico de Imagen

Aplica operación de cierre morfológico (dilatación seguida de erosión) para rellenar agujeros pequeños y conectar objetos cercanos

Click to upload file or drag and drop file here

Maximum file size: 10MB Supported formats: image/jpeg, image/png, image/webp, image/gif, image/bmp, image/tiff

Mejores resultados con imágenes binarias (blanco y negro) o imágenes con agujeros a rellenar

Número de operaciones de cierre a aplicar. Más iteraciones = mayor relleno de agujeros

Tamaño del kernel morfológico a usar

Datos clave

Categoría
Design
Tipos de entrada
file, number, select
Tipo de salida
file
Cobertura de muestras
4
API disponible
Yes

Resumen

El Cierre Morfológico de Imagen es una herramienta de procesamiento digital que aplica una dilatación seguida de una erosión para limpiar y unificar elementos visuales, ideal para rellenar pequeños agujeros y conectar objetos cercanos en imágenes binarias.

Cuándo usarlo

  • •Cuando necesitas eliminar pequeños huecos o ruido interno dentro de objetos en una imagen binaria.
  • •Para fusionar fragmentos de un mismo objeto que aparecen separados debido a imperfecciones en la captura.
  • •Al preparar imágenes para algoritmos de detección de contornos donde la continuidad del objeto es fundamental.

Cómo funciona

  • •Sube tu archivo de imagen (formatos compatibles como PNG, JPG o BMP).
  • •Ajusta el número de iteraciones para controlar la intensidad del efecto de relleno.
  • •Selecciona el tamaño del kernel (estándar o grande) para definir el área de influencia de la operación.
  • •Procesa la imagen para obtener una versión donde los detalles internos se han suavizado y los objetos se han consolidado.

Casos de uso

Limpieza de escaneos de documentos donde el texto presenta pequeñas rupturas o porosidad.
Preprocesamiento de imágenes médicas o industriales para consolidar regiones de interés antes del análisis.
Restauración de máscaras de segmentación que presentan ruido o discontinuidades no deseadas.

Ejemplos

1. Reparación de caracteres en documentos escaneados

Archivista digital
Contexto
Un lote de documentos antiguos escaneados presenta caracteres con pequeños puntos blancos internos debido al desgaste del papel.
Problema
El software de OCR falla al reconocer letras fragmentadas.
Cómo usarlo
Cargar la imagen escaneada y aplicar el cierre morfológico con 1 iteración y kernel estándar.
Configuración de ejemplo
iterations: 1, kernelType: 'default'
Resultado
Los caracteres se vuelven sólidos y continuos, mejorando drásticamente la precisión del reconocimiento de texto.

2. Consolidación de objetos en visión artificial

Ingeniero de visión
Contexto
Una cámara industrial detecta piezas en una cinta transportadora, pero la iluminación causa que algunas piezas parezcan divididas en dos partes.
Problema
El sistema cuenta las piezas incorrectamente al ver fragmentos separados.
Cómo usarlo
Utilizar la herramienta para conectar los fragmentos cercanos mediante el kernel grande.
Configuración de ejemplo
iterations: 2, kernelType: 'large'
Resultado
Las piezas fragmentadas se fusionan en un solo objeto sólido, permitiendo un conteo preciso y automatizado.

Probar con muestras

image, png, jpg
Ejemplos de Procesamiento de Imágenes Web Python
Ejemplos de procesamiento de imágenes Web Python usando PIL/Pillow incluyendo lectura, guardado, redimensionamiento y conversión de formato
title token image
image
Ejemplos de Procesamiento de Imágenes Windows C++
Ejemplos de procesamiento de imágenes Windows C++ incluyendo leer/guardar imágenes, redimensionamiento y conversión de formato usando Windows Imaging Component
title token image
image
Ejemplos de Procesamiento de Imágenes Web Rust
Ejemplos de procesamiento de imágenes Web Rust incluyendo lectura/escritura, escalado y conversión de formato
title token image
image
Procesamiento de Imágenes macOS Objective-C - Ejemplos
Ejemplos de procesamiento de imágenes macOS Objective-C incluyendo lectura/escritura de imágenes, escalado de imágenes y conversión de formato
title token image
image

Hubs relacionados

Herramientas de Image para Convert
Explora 100 herramientas de image para flujos de convert y encuentra utilidades cercanas con rapidez.
Herramientas de Image
Explora 40 herramientas de image para flujos de utility y encuentra utilidades cercanas con rapidez.
Herramientas de Json para Convert
Explora 100 herramientas de json para flujos de convert y encuentra utilidades cercanas con rapidez.
Herramientas de Audio para Convert
Explora 100 herramientas de audio para flujos de convert y encuentra utilidades cercanas con rapidez.

Preguntas frecuentes

¿Qué es exactamente el cierre morfológico?

Es una operación que combina la dilatación (que expande las áreas blancas) seguida de la erosión (que reduce las áreas blancas), logrando cerrar huecos sin alterar significativamente el tamaño original de los objetos.

¿Qué tipo de imágenes funcionan mejor?

Las imágenes binarias (blanco y negro) ofrecen los resultados más precisos, ya que la operación morfológica se basa en la distinción clara entre fondo y objeto.

¿Cómo afectan las iteraciones al resultado?

A mayor número de iteraciones, más agresivo será el relleno de agujeros y la conexión de objetos, lo que permite corregir imperfecciones más grandes.

¿Qué diferencia hay entre el kernel estándar y el grande?

El kernel estándar (3x3) realiza cambios sutiles, mientras que el kernel grande (5x5) tiene un alcance mayor, ideal para conectar objetos que están más distantes entre sí.

¿Se pierde calidad en la imagen original?

La operación modifica la estructura de los píxeles para cumplir su función de limpieza, por lo que es una herramienta de transformación, no de edición estética tradicional.

Documentación de la API

Punto final de la solicitud

POST /es/api/tools/image-close

Parámetros de la solicitud

Nombre del parámetro Tipo Requerido Descripción
imageFile file (Subida requerida) Sí Mejores resultados con imágenes binarias (blanco y negro) o imágenes con agujeros a rellenar
iterations number No Número de operaciones de cierre a aplicar. Más iteraciones = mayor relleno de agujeros
kernelType select No Tamaño del kernel morfológico a usar

Los parámetros de tipo archivo necesitan ser subidos primero vía POST /upload/image-close para obtener filePath, luego pasar filePath al campo de archivo correspondiente.

Formato de respuesta

{
  "filePath": "/public/processing/randomid.ext",
  "fileName": "output.ext",
  "contentType": "application/octet-stream",
  "size": 1024,
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}
Archivo: Archivo

Documentación de MCP

Agregue este herramienta a su configuración de servidor MCP: 

{
  "mcpServers": {
    "elysiatools-image-close": {
      "name": "image-close",
      "description": "Aplica operación de cierre morfológico (dilatación seguida de erosión) para rellenar agujeros pequeños y conectar objetos cercanos",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=image-close",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

Puede encadenar múltiples herramientas, por ejemplo: `https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`, máximo 20 herramientas.

Soporte para enlaces de archivos URL o codificación Base64 para parámetros de archivo.

Si encuentra algún problema, por favor, póngase en contacto con nosotros en [email protected]