Opencv中的erode和dilate（腐蚀和膨胀-python实现）

文章目录

1.腐蚀原理
- （1）具体实现过程
- （2）.函数讲解
（3）.代码实战
2.膨胀原理
- （1）具体实现过程
- （2）函数讲解
- （3）代码实现

1.腐蚀原理

（1）具体实现过程

腐蚀会把物体的边界腐蚀掉，卷积核沿着图像滑动，如果卷积核对应的原图的所有像素值为1，那么中心元素就保持原来的值，否则变为零。主要应用在去除白噪声，也可以断开连在一起的物体。

B（Element）对图像A进行腐蚀的整个过程如下：
⑴ 用结构元素B，扫描图像A的每一个像素
⑵ 用结构元素B与其覆盖的二值图像A做“与”操作
⑶ 如果都为1，结果图像的该像素为1。否则为0
腐蚀处理的结果是使原来的二值图像减小一圈。

通过上面的卷积过程其实也可以这样解释腐蚀：当我们对一张图像进行腐蚀的时候，也就是element单元区域内像素值的最小值要么是0（黑色），要么是1（白色）；那么只要element区域中包含有黑色，那么最终得到黑色，只有当element区域内全为白色的，结果才是白色，所以对于白色的边缘区域都会变成黑色，和原来的图像相比，最终的图片白色区域减少，最后也就是达到了“腐蚀”的效果（图片的看上去像是被腐蚀了一样）。

图片来源：https://zhuanlan.zhihu.com/p/110787009

（2）.函数讲解

：erode(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None):
Src:输入的原始图像；
Kernel:结构单元（structuring element）;
Dst:输出图像；
Anchor:结构单元的锚点位置，默认值为（-1，-1），表示结构单元中心；
Iterations:腐蚀迭代的次数；
borderType:用于推断图像外部像素的某种边界模式。注意它有默认值 BORDER_DEFAULT。
borderValue:边界值（如果是常量边界）。默认morphologyDefaultBorderValue具有特殊含义。对于侵蚀，它被转换为+\inf；对于膨胀，它被转换为-\inf，这意味着只有在图像内部的像素上才能有效地计算最小值（最大值）。

（3）.代码实战

import os
import cv2
import numpy as npdef ErodeFilter(img_path='images/lenna.png'):img_src=cv2.imread(img_path)img=cv2.resize(src=img_src,dsize=(500,500))img=cv2.cvtColor(src=img,code=cv2.COLOR_BGR2GRAY)kernel=np.ones((7,7),dtype=np.uint8)img=cv2.erode(src=img,kernel=kernel,iterations=1)cv2.imshow('img_src',img_src)cv2.imshow('img',img)cv2.waitKey(0)cv2.destroyAllWindows()if __name__ == '__main__':print('Pycharm')ErodeFilter()

2.膨胀原理

（1）具体实现过程

结构单元（structuring element）在原始图像上进行滑动，把结构元锚点位置的图像像素点的灰度值设置为结构元值为1的区域对应图像区域像素的最大值。

B（Element）对图像A进行膨胀的整个过程如下：
⑴ 用结构元素B，扫描图像A的每一个像素
⑵ 用结构元素B与其覆盖的二值图像A做“或”操作
⑶ 如果都为0，结果图像的该像素为0。否则为1；
腐蚀处理的结果是使原来的二值图像减小一圈。

（2）函数讲解

dilate(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None):

Src:输入的原始图像；
Kernel:结构单元（structuring element）;
Dst:输出图像；
Anchor:结构单元的锚点位置，默认值为（-1，-1），表示结构单元中心；
Iterations:腐蚀迭代的次数；
borderType:用于推断图像外部像素的某种边界模式。注意它有默认值 BORDER_DEFAULT。
borderValue:边界值（如果是常量边界）。默morphologyDefaultBorderValue具有特殊含义。对于侵蚀，它被转换为+\inf；对于膨胀，它被转换为-\inf，这意味着只有在图像内部的像素上才能有效地计算最小值（最大值）。

获取卷积核：
https://mydreamambitious.blog.csdn.net/article/details/125265838

（3）代码实现

import os
import cv2
import numpy as npdef DilateFilter(img_path='images/Exen.png'):img_src=cv2.imread(img_path)img=cv2.resize(src=img_src,dsize=(500,500))img=cv2.cvtColor(src=img,code=cv2.COLOR_BGR2GRAY)kernel=cv2.getStructuringElement(shape=cv2.MORPH_RECT,ksize=(7,7))img=cv2.dilate(src=img,kernel=kernel,iterations=1)cv2.imshow('img_src',img_src)cv2.imshow('img',img)cv2.waitKey(0)cv2.destroyAllWindows()if __name__ == '__main__':print('Pycharm')DilateFilter()