1，概念及原理：

膨脹（Dilating） （或）
（1）將影象 A 與任意形狀的核心 (B)，通常為正方形或圓形，進行卷積。
（2）核心 B 有一個可定義的 錨點,通常定義為核心中心點。
（3）進行膨脹操作時，將核心 B 劃過影象A,將核心 B 覆蓋區域的最大相素值提取，並代替錨點位置的相素。顯然，這一最大化操作將會導致影象中的亮區開始”擴充套件” (因此有了術語膨脹 dilation )。

以3*3的核心為例：

腐蝕（Eroding） （與）
（1）腐蝕在形態學操作家族裡是膨脹操作的孿生姐妹。它提取的是核心覆蓋下的相素最小值。
（2）進行腐蝕操作時，將核心 B 劃過影象,將核心 B 覆蓋區域的最小相素值提取，並代替錨點位置的相素。

值得注意的是：腐蝕和膨脹是對白色部分（高亮部分）而言的，不是黑色部分。 膨脹就是影象中的高亮部分進行膨脹，“鄰域擴張”，效果圖擁有比原圖更大的高亮區域。腐蝕就是原圖中高亮部分被腐蝕，“鄰域被蠶食”，效果圖擁有比原圖更小的高亮區域。

原始碼：

import cv2 as cv
import numpy as np


def erode_demo(image):
  # print(image.shape)
  gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
  ret,binary = cv.threshold(gray,255,cv.THRESH_BINARY | cv.THRESH_OTSU)
  #cv.imshow("binary",binary)
  kernel = cv.getStructuringElement(cv.MORPH_RECT,(15,15))#定義結構元素的形狀和大小
  dst = cv.erode(binary,kernel)#腐蝕操作
  cv.imshow("erode_demo",dst)


def dilate_demo(image):
  #print(image.shape)
  gray = cv.cvtColor(image,(5,5))#定義結構元素的形狀和大小
  dst = cv.dilate(binary,kernel)#膨脹操作
  cv.imshow("dilate_demo",dst)



src = cv.imread("F:/images/test01.png")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
erode_demo(src)
dilate_demo(src)

cv.waitKey(0)

cv.destroyAllWindows()

執行結果：

到此這篇關於OpenCV+python實現膨脹和腐蝕的示例的文章就介紹到這了,更多相關OpenCV 膨脹和腐蝕內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們！