python实现图像膨胀和腐蚀算法

如果您觉得本文不错！记得点赞哦！

---

一. 图像形态学简介：

 

    经验之谈：形态学操作一般作用于二值图像，来连接相邻的元素（膨胀）或分离成独立的元素（侵蚀）。腐蚀和膨胀是针对图片中的白色（即前景）部分！

---

二. 图像形态学操作 膨胀和腐蚀的算法：

    膨胀算法：

        对于待操作的像素 f(x,y)，不论 f(x,y-1) 、f(x,y+1) 、f(x-1,y) 、f(x+1,y) 哪一个为255，则 f(x,y)=255。

膨胀操作 ↑

 

 

        换句话说：将待操作的图像像素与以下  4-近邻矩阵 相乘，结果大于255的话，将中心像素设为255。

膨胀：待操作像素 * 上面矩阵 > =255，f(x,y) = 255。 ↑

 

    腐蚀算法：

         对于待操作的像素 f(x,y)，只有 f(x,y-1) 、f(x,y+1) 、f(x-1,y) 、f(x+1,y) 都为255，则 f(x,y)=255。

        换句话说：将待操作的图像像素与以下  4-近邻矩阵 相乘，结果小于255*4的话，将中心像素设为0。

腐蚀：待操作像素 * 上面矩阵 < 255*4，f(x,y) = 0 。↑

 

---

三. python实现图像膨胀和腐蚀

# Writer : wojianxinygcl@163.com
# Date   : 2020.3.21
import cv2
import numpy as np
import matplotlib.pyplot as plt

# Gray scale
def BGR2GRAY(img):
    b = img[:, :, 0].copy()
    g = img[:, :, 1].copy()
    r = img[:, :, 2].copy()

    # Gray scale
    out = 0.2126 * r + 0.7152 * g + 0.0722 * b
    out = out.astype(np.uint8)

    return out

# Otsu Binalization
def otsu_binarization(img, th=128):
    H, W = img.shape
    out = img.copy()

    max_sigma = 0
    max_t = 0

    # determine threshold
    for _t in range(1, 255):
        v0 = out[np.where(out < _t)]
        m0 = np.mean(v0) if len(v0) > 0 else 0.
        w0 = len(v0) / (H * W)
        v1 = out[np.where(out >= _t)]
        m1 = np.mean(v1) if len(v1) > 0 else 0.
        w1 = len(v1) / (H * W)
        sigma = w0 * w1 * ((m0 - m1) ** 2)
        if sigma > max_sigma:
            max_sigma = sigma
            max_t = _t

    # Binarization
    print("threshold >>", max_t)
    th = max_t
    out[out < th] = 0
    out[out >= th] = 255

    return out


# Morphology Dilate
def Morphology_Dilate(img, Dil_time=1):
    H, W = img.shape

    # kernel
    MF = np.array(((0, 1, 0),
                (1, 0, 1),
                (0, 1, 0)), dtype=np.int)

    # each dilate time
    out = img.copy()
    for i in range(Dil_time):
        tmp = np.pad(out, (1, 1), 'edge')
        for y in range(1, H):
            for x in range(1, W):
                if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) >= 255:
                    out[y, x] = 255

    return out


# Morphology Erode
def Morphology_Erode(img, Erode_time=1):
    H, W = img.shape
    out = img.copy()

    # kernel
    MF = np.array(((0, 1, 0),
                (1, 0, 1),
                (0, 1, 0)), dtype=np.int)

    # each erode
    for i in range(Erode_time):
        tmp = np.pad(out, (1, 1), 'edge')
        # erode
        for y in range(1, H):
            for x in range(1, W):
                if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) < 255*4:
                    out[y, x] = 0

    return out


# Read image
img = cv2.imread("../paojie.jpg").astype(np.float32)

# Grayscale
gray = BGR2GRAY(img)

# Otsu's binarization
otsu = otsu_binarization(gray)

# Morphology - dilate
erode_result = Morphology_Erode(otsu, Erode_time=2)
dilate_result = Morphology_Dilate(otsu,Dil_time=2)

# Save result
cv2.imwrite("Black_and_white.jpg",otsu)
cv2.imshow("Black_and_white",otsu)
cv2.imwrite("erode_result.jpg", erode_result)
cv2.imshow("erode_result", erode_result)
cv2.imwrite("dilate_result.jpg", dilate_result)
cv2.imshow("dilate_result",dilate_result)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

四. 实验结果：

二值图像（左），膨胀图像（中），侵蚀图像（右） ↑

 

---

五. 参考内容：

    ① https://www.jianshu.com/p/ba2cec49c981

    ② https://www.cnblogs.com/yibeimingyue/p/10856439.html

---

六. 版权声明：

    未经作者允许，请勿随意转载抄袭，抄袭情节严重者，作者将考虑追究其法律责任，创作不易，感谢您的理解和配合！