OpenCV：图像的腐蚀与膨胀

目录

简述

1. 什么是腐蚀与膨胀？

1.1 腐蚀

1.2 膨胀

2. OpenCV 中的腐蚀与膨胀

2.1 图像腐蚀接口

2.2 图像膨胀接口

3. 常见的卷积核

4. 使用腐蚀和膨胀处理黑底白字图像

5. 腐蚀与膨胀的应用场景

5.1. 去噪声

5.2 图像修复与目标提取

5.3 形态学滤波

5.4 文字和图像分割

6. 总结

---

相关阅读

OpenCV：二值化与自适应阈值-优快云博客

---

简述

图像的腐蚀与膨胀是形态学操作中的两个基本操作，它们在图像处理、目标提取、噪声去除等方面有着重要的应用。通过这些操作，我们能够对图像的形状进行修正，强化或消除一些细节特征。本文将介绍 OpenCV 中腐蚀与膨胀操作的基本概念、如何使用 OpenCV 实现它们，并通过实际示例展示它们在图像处理中的应用。

---

1. 什么是腐蚀与膨胀？

1.1 腐蚀

腐蚀是一个通过腐蚀操作减少图像中物体面积的过程。在腐蚀操作中，图像的每个像素值会被其邻域内的最小值所替代。通过腐蚀，我们可以消除图像中的噪声点，或者让前景物体变得更小。

应用：

• 去除小的噪声。
• 收缩物体区域，消除细小的连通区域。

1.2 膨胀

膨胀是一个通过膨胀操作增加图像中物体面积的过程。在膨胀操作中，图像的每个像素值会被其邻域内的最大值所替代。通过膨胀，我们可以填补物体内部的小孔，或者扩大前景物体区域。

应用：

• 填充物体中的小孔。
• 扩大物体区域，增强图像的前景特征。

---

2. OpenCV 中的腐蚀与膨胀

在 OpenCV 中，腐蚀和膨胀操作通过 cv2.erode() 和 cv2.dilate() 函数实现。

2.1 图像腐蚀接口

cv2.erode(src, kernel, iterations=1)

• src: 输入图像，通常是二值化图像（即黑白图像）。
• kernel: 卷积核，决定腐蚀操作的形状和范围。常见的卷积核是矩形、椭圆或圆形。
• iterations: 腐蚀操作的次数，默认为 1，表示执行一次腐蚀。增加 iterations 的次数会增强腐蚀效果。

2.2 图像膨胀接口

cv2.dilate(sr