python+opencv 膨胀与腐蚀

图像形态学是灰度图像与二值图像处理中的重要手段，是由数学的集合论等相关理论发展起来的。

膨胀与腐蚀都支持任意形状的结构元素。

膨胀（Dilate）：用掩膜覆盖位置下的最大像素替代中心位置的像素。

膨胀的作用：

1、对象大小增加一个像素（3*3）

2、平滑对象边缘

3、减少或者填充对象之间的距离

腐蚀（Erode）：用掩膜覆盖位置下的最小像素替代中心位置的像素。

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, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
    cv.imshow('binary', binary)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 15))
    dst = cv.erode(binary, kernel)
    cv.imshow('erode_demo', dst)


def dilate_demo(image):
    print(image.shape)
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
    cv.imshow('binary', binary)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))
    dst = cv.dilate(binary, kernel)
    cv.imshow('dilate_demo', dst)


src = cv.imread('C:/Users/Y/Pictures/Saved Pictures/demo.png')
cv.namedWindow('input image', cv.WINDOW_AUTOSIZE)
cv.imshow('input image', src)
dilate_demo(src)
# # erode_demo(src)
# kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))
# dst = cv.dilate(src, kernel)
# cv.imshow('result', dst)
cv.waitKey(0)
cv.destroyAllWindows()

（直接对彩色图像进行膨胀）