图像处理基础：图像膨胀、腐蚀、开闭运算及梯度运算的Python实现

最新推荐文章于 2025-10-14 10:00:20 发布

原创

最新推荐文章于 2025-10-14 10:00:20 发布 · 1w 阅读

35 ·

CC 4.0 BY-SA版权

文章标签：

#图像处理 #人工智能

博客介绍了图像处理的作用，可改善图像质量、提取目标特征。重点阐述图像形态学的四种基本操作，包括图像膨胀、腐蚀、开运算、闭运算和梯度运算，详细讲解各操作的基本概念，并展示了相应函数代码，有助于掌握图像处理基本技能。

一、为什么要进行图像处理？

图像处理可以通过增强、复原、几何变换、代数运算、滤波处理等技术，对受到污染、干扰等因素影响产生的低清晰度、变形等图像质量问题进行有效的改善，以达到人眼主观满意或较满意的效果。而且图像处理可以通过边缘检测、图像分割、纹理分析等技术，提取图像中目标的某些特征，以便于计算机分析或机器人识别。

二、图像形态学的四种基本操作

1、图像膨胀

1.1、基本概念

图像膨胀类似于“领域扩张”，是一种基本的形态学运算，主要用来寻找图像中的极大区域。这种运算将图像的高亮区域或白色部分进行扩张，使得运行结果图比原图的高亮区域更大。其运算符是“⊕”，可以通过定义的结构元素或卷积核与原始图像进行卷积操作实现。在二值图像中，膨胀运算可以用“与”运算来实现。具体来说，就是用结构元素扫描图像的每一个像素，如果结构元素覆盖的区域中至少有一个像素值为1，则将该像素的值设为1。这样，图像中的高亮区域就会扩大，实现了膨胀的效果。需要注意的是，膨胀运算并不改变原始图像中像素值为0的区域。原图膨胀结果如下图所示：

原图像：

结构元素：

膨胀后结果：

1.2、膨胀函数代码展示

膨胀函数：

cv2.dilate(img, kernel, iteration)

img：需要进行膨胀操作的原始图像。
kernel：用于膨胀操作的结构元素或卷积核。
iteration：可选参数，表示膨胀操作的迭代次数。如果指定了这个参数，那么膨胀操作将会重复执行指定次数。

实际案例展示：

wenzi = cv2.imread('wenzi.png')#读取原图像
cv2.imshow('src',wenzi)
cv2.waitKey(100000)

kernel = np.ones((2,2),np.uint8)  #设置kenenel大小
wenzi_new = cv2.dilate(wenzi,kernel,iterations=2) #膨胀操作
cv2.imshow('wenzi_new',wenzi_new)
cv2.waitKey(100000)

原图：

膨胀后图像：

最低0.47元/天解锁文章

图像处理基础：图像膨胀、腐蚀、开闭运算及梯度运算的Python实现

一、为什么要进行图像处理？

二、图像形态学的四种基本操作

1、图像膨胀

1.1、基本概念

1.2、膨胀函数代码展示

1 条评论