[Python图像处理]八.图像腐蚀和图像膨胀

图像腐蚀

1.基础理论

形态学转换主要针对的是二值图像(0/1)图像类似于领域被蚕食，将图像中的高亮区域白色部分进行缩减细化，其运行结果图比原图的高亮区域更小。主要包括两个输入对对象： 二值图像，卷积核（卷积核是腐蚀中的关键数组，采用numpy库组成）卷积核的中心点逐个像素扫描原始图像。

被扫描到的原始图像中的像素点，只有当卷积核对应的元素值均为1时，其值才为1，否则其值修改为0。换句话说，遍历到的黄色点位置，其周围全部是白色，保留白色，否则变为黑色，图像腐蚀变小。

函数原型: 主要是用erode函数，dst = cv2.erode(src, kernel, iternations) 参数dst表示处理的结果，src表示原图像，kernel表示卷积核，iternations表示迭代的次数，默认是1.例如 5*5的卷积核，采用函数np.ones((5, 5), np.uint8)构建。

代码如下:

import cv2
import numpy as np
src = cv2.imread("1.jpg", cv2.IMREAD_UNCHANGED)
kernel = np.ones((5, 5), np.uint8)
erosion = cv2.erode(src, kernel)
cv2.imshow("src", src)
cv2.imshow("result",erode)
if cv2.waitKey() == 27:
    cv2.destroyAllWindows()

图像膨胀

1.基础理论

图像膨胀是腐蚀操作的逆操作，类似于领域扩张，将图像中的高亮区域或白色部分进行扩张，其运行效果图比原图的高亮区域更大，线条变粗了，主要用于去噪

图像被腐蚀后，去掉了噪声，但是会压缩图像

对腐蚀过的图像进行膨胀处理，可以去除噪声，并且保持原有形状

卷积核是腐蚀中的关键数组，采用numpy库可以生成。卷积核的中心点逐个像素扫描原始图像，被扫描到的原始图像中的像素点，当卷积核对应的元素值只要有一个为1时，其值就为1，否则为0。

图像膨胀主要是用dilate函数，dst = cv2.dilate(src, kernel, iternations)

代码如下:

import cv2
import numpy as np
src = cv2.imread("1.jpg", cv2.IMREAD_UNCHANGED)
kernel = np.ones((5, 5), np.uint8)
dilate= cv2.dilate(src, kernel,5)
cv2.imshow("src", src)
cv2.imshow("result",dilate)
if cv2.waitKey() == 27:
    cv2.destroyAllWindows()

图像去噪通常需要先腐蚀后膨胀，又称为开运算

erosion = cv2.erode(src, kernel)

result= cv2.dilate(erosion, kernel)

转自:https://blog.csdn.net/Eastmount/article/details/83581277