Python OpenCV 图像的膨胀与腐蚀，图像处理取经之旅第 38 篇

Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 38 篇。

基础知识铺垫

图像的腐蚀与膨胀是图像形态学运算的知识，形态学橡皮擦也是第一次接触到，寻找了一些简单的说明，基本含义是改变图像中物体的形状，一般在二值图中用来连接相邻的元素或分离成独立的元素，简单看一下说明，果然跟没学一样。

我们依旧先把腐蚀与膨胀应用层学会，掌握之后在去反推课程。

图像腐蚀（Erosion ）

基本原理为：选择一个卷积核沿着图像移动，如果卷积核对应的原图像所有像素都是 1，那中心元素就保持原来的像素值，否则变为 0。

腐蚀图像需要传入两个内容，一个是二值图像，另一个就是卷积核了。

它可以断开图像中连接在一起的物体，该操作会导致前景物体会变小，整幅图像的白色区域会减少，直观的感觉就是原图中高亮部分被腐蚀掉了，然后图像区域变瘦了。

函数原型

图像腐蚀（erosion ）的函数原型如下：

dst = cv2.erode(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])

参数说明如下：

• src：待腐蚀的二值图；

• kernel：腐蚀操作的内核，默认是 3X3 矩阵，也可以使用 cv2.getStructuringElement 函数指明形状，下文具体说明；

• anchor：核矩阵锚点，不传值或传值为 (-1,-1) 则取核矩阵的中心位置作为锚点；

• iterations：腐蚀次数，默认为 1；

• borderType
  

kernel 为核矩阵，该结构元素可以是矩形、椭圆、十字形，都是通过 cv2.getStructuringElement 函数生成不同形状的结构元素。

• kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) ：矩形结构；

• kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)) ：椭圆结构；

• kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 5)) ：十字形结构。

测试代码如下，可以依据注释再次进行学习。

import cv2 as cvimport numpy as np
# 图像读取src = cv.imread("./t2.png")# 灰度图片gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)# 二值化ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)cv.imshow("binary", binary)# 卷积核kernel = np.ones((3, 3), np.uint8)
# 进行图像腐蚀，默认迭代 1 次dst = cv.erode(binary, kernel)
# 图像显示cv.imshow("src", src)cv.imshow("dst", dst)
cv.waitKey(0)cv.destroyAllWindows()

运行之后效果依次如下，从左到右分别是原图，二值化图，腐蚀图。

如果直接对原图进行腐蚀，效果并不十分明显。

如果调整腐蚀迭代次数参数，例如下述代码，图像将全部腐蚀完毕。

dst = cv.erode(binary, kernel,iterations=3)

图像膨胀（dilation ）

有了腐蚀的概念之后，再学习膨胀就很容易理解了，这个是一对相反的概念。

膨胀就是用卷积核覆盖位置下，最大的像素替代中心位置的像素。

实现原理是：在卷积核的中心点逐个扫描原始图像中的每一个像素点时候，如果发现被扫描到的原始图像中的像素点有一个值为 1， 则为 1 ，否则为 0 ，膨胀可以用来连接两个分开的物体。

函数原型

dst = cv2.dilate(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])

参数不在说明，与腐蚀内容一致。使用下述代码运行之后，最终的图明显胖了一圈。

import cv2 as cvimport numpy as np

# 图像读取src = cv.imread("./t2.png")# 灰度图片gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)# 二值化ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
# 卷积核kernel = np.ones((3, 3), np.uint8)
# 进行图像膨胀，默认迭代 1 次dst = cv.dilate(binary, kernel)
# 图像显示cv.imshow("src", src)cv.imshow("binary", binary)
cv.imshow("dst", dst)
cv.waitKey(0)cv.destroyAllWindows()

最后还学到一些技术，例如在去噪声时先用腐蚀再用膨胀，也可以不进行灰度与二值化处理，直接对彩色图像进行腐蚀和膨胀，但是效果不是很理想。

膨胀的作用虽然还没有完全接触到，但是可以先记录下（腐蚀与其相反）：

• 对象大小增加一个像素（3x3）；

• 平滑对象边缘；

• 减少或者填充对象之间的距离。

橡皮擦的小节

希望今天的 1 个小时你有所收获，我们下篇博客见