【OpenCv 4 Python 3.7】图像形态学操作之膨胀腐蚀

形态学操作(morphology operators)-膨胀与腐蚀(Dilation与Erosion)。

图像形态学操作

1、图像形态学操作 – 基于形状的一系列图像处理操作的合集

2、形态学有四个基本操作：腐蚀、膨胀、开、闭

3、膨胀与腐蚀是图像处理中最常用的形态学操作手段

4、腐蚀和膨胀是对白色部分（高亮部分）而言的，不是黑色部分。膨胀就是图像中的高亮部分进行膨胀，“领域扩张”，效果图拥有比原图更大的高亮区域。腐蚀就是原图中的高亮部分被腐蚀，“领域被蚕食”，效果图拥有比原图更小的高亮区域。

5、膨胀与腐蚀能实现多种多样的功能，主要如下：
消除噪声
分割(isolate)出独立的图像元素，在图像中连接(join)相邻的元素。
寻找图像中的明显的极大值区域或极小值区域
求出图像的梯度

相关的 API
getStructuringElement(int shape, Size ksize, Point anchor)

形状 (MORPH_RECT \MORPH_CROSS \MORPH_ELLIPSE)
大小
锚点 默认是Point(-1, -1)意思就是中心像素

1.1 膨胀

相关的API：dilate
跟卷积操作类似，假设有图像A和结构元素B，结构元素B在A上面移动，其中B定义其中心为锚点，计算B覆盖下A的最大像素值用来替换锚点的像素，其中B作为结构体可以是任意形状

膨胀的作用
 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

2. 形态学操作-腐蚀

相关的API：erode
腐蚀跟膨胀操作的过程类似，唯一不同的是以最小值替换锚点重叠下图像的像素值
腐蚀的作用：
 对象大小减少1个像素(3x3)
 平滑对象边缘
 弱化或者分割图像之间的半岛型连接

代码实现：

import cv2 as cv
import numpy as np

#腐蚀
def erode_demo(image):
    print(image.shape)
    #灰度图像
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    #二值化
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    cv.imshow("binary", binary)
    #得到结构元素，(15, 15)可以控制腐蚀程度
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))
    #腐蚀
    dst = cv.erode(binary, kernel)
    cv.imshow("erode_demo", dst)

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


print("--------- Python OpenCV Tutorial ---------")
src = cv.imread("D:/vcprojects/images/demo.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
#erode_demo(src)
#也可以对彩色图像进行膨胀腐蚀操作，单通道、多通道都支持
kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
dst = cv.erode(src, kernel)
cv.imshow("result", dst)
cv.waitKey(0)

cv.destroyAllWindows()

erode结果：

dilate结果：