什么是形態學
要了解腐蝕之前，我們需要了解一個概念：形態學。
形態學，又名數學形態學（Mathematical Morphology），是圖像處理過程中一個非常重要的研究方向。形態學主要從圖像內提取分量信息，該分量信息通常對于表達和描繪圖像的形狀具有重要的意義，通常是圖像理解時所使用的最本質的形狀特征。
例如，在識別手寫數字時，能夠通過形態學運算得到其骨架信息，在具體的識別時，僅針對其骨架進行運算即可。形態學處理在視覺檢測，文字識別，醫學圖像處理，圖像壓縮編碼等領域都有非常重要的應用。
形態學操作主要包含：腐蝕，膨脹，開運算，閉運算，形態學梯度運算，頂帽運算，黑帽運算等操作。腐蝕操作與膨脹操作是形態學的運算基礎，將腐蝕與膨脹結合，就可以實現開運算，閉運算，形態學梯度等不同形式的運算。
所以本篇博文將重點講解腐蝕與膨脹。
腐蝕
腐蝕是最基本的形態學操作之一，它能夠將圖像的邊界點消除，使圖像沿著邊界向內收縮，也可以將小于指定結構體元素的部分去除。腐蝕主要用來“收縮”或者“細化”二值圖像中的前景，借此實現去噪聲，元素分割等功能。
在腐蝕的過程中，通常使用一個結構元來逐個像素地掃描要被腐蝕的圖像，并根據結構元和被腐蝕的圖像的關系來確定腐蝕結果。
首先，我們來看一張腐蝕處理圖：
（1）表示要被腐蝕的圖像
（2）結構元
（3）橙色數字是結構元在遍歷圖像時，結構元完全位于前景對象內部時的3個全部可能的位置；此時，結構元分別位于img[2,1]，img[2,2]，img[2,3]處。
（4）腐蝕結果result，即在結構元完全位于前景圖像中時，將其中心點所對應的result中的像素點的值置為1；當結構元不完全位于前景圖像中時，將其中心點對應的result中的像素點置為0。（按位與）
在OpenCV中，使用函數cv2.erode()實現腐蝕操作，其完整定義如下：
def erode(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None):
src：原始圖像
kernel：結構元，可以自定義，也可以通過函數cv2.getStructuringElement()生成
iterations：腐蝕操作迭代的次數，默認為1，即只進行一次操作
至于其他參數以及取值，前面博文都有介紹，這里不在贅述。
下面，我們使用該函數來測試一下腐蝕的操作：
import cv2
import numpy as np
img = cv2.imread("8.jpg",cv2.IMREAD_UNCHANGED)
kernel = np.ones((9,9), np.float32)
result = cv2.erode(img,kernel)
cv2.imshow("img", img)
cv2.imshow("result", result)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，我們得到的效果對比圖如下：
可以看到，腐蝕操作將原始圖像內的毛刺給腐蝕掉了，如果想腐蝕的更嚴重，可以設置iterations參數的值。
膨脹
膨脹與腐蝕正好相反，膨脹能對圖像的邊界進行擴張。膨脹操作將與當前的對象（前景）接觸到的背景點合并到當前對象內，從而實現將圖像邊界點向外擴張。如果圖像內的兩個對象距離較近，可能在膨脹后連接到一起。
膨脹操作對填補圖像分割后圖像內所存在的空白相當有幫助。同樣的，膨脹也需要一個結構元進行操作。下面，我們還是用矩陣來講解膨脹的原理。
（1）待膨脹的原圖
（2）結構元
（3）橙色部分是結構元遍歷原圖時，結構元中心像素點位于[1,1]，img[3,3]時，與前景色存在重合像素點的兩種情況，實際上共有9個這樣的與前景對象重合的可能位置。結構元中心分別位于img[1,1]，img[1,2]，img[1,3]，img[2,1]，img[2,2]，img[2,3]，img[3,1]，img[3,2]，img[3,3]。
（4）膨脹后的結果圖像result，在結構元內，當任意一個像素點與前景對象重合時，其中心點所對應的膨脹結果圖像內的像素點的值為1；當結構元與前景對象完全無重合時，其中心點對應的膨脹結果圖像內像素點的值為0。（按位或）
在OpenCV中，它給我們提供cv2.dilate()實現對圖像的膨脹操作。其完整定義如下：
def dilate(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None):
src：原始圖像
kernel：結構元
其他參數與前文一致，不在贅述。下面，我們使用該函數測試膨脹的效果，具體代碼如下所示：
import cv2
import numpy as np
img = cv2.imread("8.jpg",cv2.IMREAD_UNCHANGED)
kernel = np.ones((9,9), np.float32)
result = cv2.dilate(img,kernel)
cv2.imshow("img", img)
cv2.imshow("result", result)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，效果如下所示：
可以看到，圖像的頭像膨脹之后與身體連接到了一起，同時旁邊的線條也被加粗。如果想膨脹的更嚴重，可以修改iterations參數的值。
到此這篇關于OpenCV-Python實現腐蝕與膨脹的實例的文章就介紹到這了,更多相關OpenCV 腐蝕與膨脹內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- OpenCV+python實現膨脹和腐蝕的示例
- opencv 圖像腐蝕和圖像膨脹的實現
