8.1 腐蚀

---

1. 腐蚀是最基本的形态学操作之一，它能够将图像的边界点消除，使图像沿着边界向内收缩， 也可以将小于指定结构体元素的部分去除。
2. 腐蚀用来“收缩”或者“细化”二值图像中的前景，借此实现去除噪声、元素分割等功能。

---

在 OpenCV 中，使用函数 cv2.erode()实现腐蚀操作，其语法格式为:
dst = cv2.erode( src, kernel[, anchor[, iterations[, borderType[,borderValue]]]] )
式中:

• dst 是腐蚀后所输出的目标图像，该图像和原始图像具有同样的类型和大小。
• src 是需要进行腐蚀的原始图像，图像的通道数可以是任意的。但是要求图像的深度必须是 CV_8U、CV_16U、CV_16S、CV_32F、CV_64F 中的一种。
• kernel 代表腐蚀操作时所采用的结构类型。它可以自定义生成，也可以通过函数cv2.getStructuringElement()生成。
• anchor 代表 element 结构中锚点的位置。该值默认为(-1,-1)，在核的中心位置。
• iterations 是腐蚀操作迭代的次数，该值默认为 1，即只进行一次腐蚀操作。
• borderType 代表边界样式，一般采用其默认值 BORDER_CONSTANT。
• borderValue 是边界值，一般采用默认值。在 C++中提供了函数 morphologyDefault BorderValue()来返回腐蚀和膨胀的“魔力(magic)”边界值，Python 不支持该函数。

【例 8.1】使用数组演示腐蚀的基本原理。

import numpy as np
import cv2

img = np.zeros((5,5),np.uint8)
img[1:4,1:4] = 1
kernel = np.ones((3,1),np.uint8)
erosion = cv2.erode(img,kernel)

print("img=\n",img)
print("kernel=\n",kernel)
print("erosion=\n",erosion)

【例 8.2】使用函数 cv2.erode()完成图像腐蚀。

img = cv2.imread("/Users/zhaofeier/Desktop/源代码及图像/chapter8/erode.bmp",0)
kernel = np.ones((5,5),dtype=np.uint8)
erosion = cv2.erode(img,kernel)

cv2.imshow("original",img)
cv2.imshow("erosion",erosion)

cv2.waitKey()
cv2.destroyAllWindows()

【例 8.3】调节函数 cv2.erode()的参数，观察不同参数控制下的图像腐蚀效果。

img = cv2.imread("/Users/zhaofeier/Desktop/源代码及图像/chapter8/erode.bmp",0)
kernel = np.ones((9,9),dtype=np.uint8)
erosion = cv2.erode(img,kernel,iterations=5)


cv2.imshow("original",img)
cv2.imshow("erosion",erosion)

cv2.waitKey()
cv2.destroyAllWindows()