第1关：腐蚀

• 任务描述
• 相关知识
  • 腐蚀运算
  • python腐蚀运算
• 编程要求
• 测试说明

---

任务描述

本关任务：编写对图像进行腐蚀运算的小程序。

相关知识

本关将介绍形态学中的腐蚀运算。

腐蚀运算

腐蚀运算是形态学中的基本运算，它的作用是提取图像的核心轮廓和结构而忽略图像中不重要的细节，腐蚀运算只能对二值图像进行运算，如下是一个腐蚀运算的例子：

最左侧是原图，剩下的三幅图是使用不同大小的结构元进行腐蚀运算的结果。可以看出，最右侧的图片只保留了原来的图片的核心部分，这就是腐蚀运算的效果。

腐蚀运算的过程是：遍历图像的每一个像素点，取当前像素点以及结构元映射到的所有像素点的像素的最小值，作为当前像素点的新的像素值。

比如下面是结构元：

黑色表示结构元的核心。

下面是原图像：

经过腐蚀后的结果如下：

可以看到，有两块原来是白色的像素点变成了黑色，我们来分析以下： 对于左侧中间的像素点，当遍历到它时，结构元映射到的像素点是它和它下方的像素点，取最小值则是0（黑色的像素点的像素值是0），所以它被染黑。 右侧中间的像素点同理。

python腐蚀运算

opencv的python版本的腐蚀函数是erode，它的原型是：

1. erode(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)

各个参数的含义：

• src, 原图
• kernel, 结构元
• dst=None, 腐蚀后的图片
• anchor=None, 核心
• iterations=None, 迭代次数
• borderType=None, 边界类型
• borderValue=None，边界值

最后两个参数很少用到，可以忽略。

下面是一个使用矩形结构元腐蚀二值图像的代码实例：

1. import cv2
2. # 原图片的名字
3. pic = 'e_rode_yuan.png'
4. # 图像的二值化
5. src = cv2.imread(pic, cv2.IMREAD_UNCHANGED)
6. # 矩形结构元
7. kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25))
8. # 进行腐蚀
9. erosion = cv2.erode(src, kernel)
10. # 展示原图
11. cv2.imshow('origin', src)
12. # 展示腐蚀后的图片
13. cv2.imshow('after erosion', erosion)
14. cv2.waitKey()

它的原图片如下所示：

腐蚀后的图片如下所示：

可以看到，四周的白色的线条全部腐蚀掉了，只剩下中心最核心的部分。

编程要求

根据提示，在右侧编辑器Begin和End之间补充代码，使用一个5x5的交叉型结构元（核心在几何中心）对二值图片src进行腐蚀，腐蚀后的图片保存到erosion。

测试说明

平台会测试图片腐蚀后的打印结果。

输出结果： 12608502

---

开始你的任务吧，祝你成功！

import cv2
import numpy as np
# 原图片的名字
pic = '/data/workspace/myshixun/step3/原图/e_rode_yuan.png'
# 图像的二值化
src = cv2.imread(pic, cv2.IMREAD_UNCHANGED)
######### Begin #########
# 使用一个5x5的交叉型结构元（核心在几何中心）对二值图片src进行腐蚀
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 5))
# 将腐蚀后的图片保存
erosion = cv2.erode(src, kernel)
cv2.imwrite("/data/workspace/myshixun/step3/学员文件/erosion.jpg", erosion)
######### End #########
print(np.sum(erosion))