OpenCV库中的腐蚀与膨胀

目录

1.腐蚀和膨胀的概念和作用

2.腐蚀和膨胀的原理和算法

3.代码示例

---

1.腐蚀和膨胀的概念和作用

腐蚀和膨胀是数字图像处理中常用的形态学操作。腐蚀操作可以缩小图像中物体的边界，去除小的细节或噪声，使物体变得更加細緻。膨胀操作则可以扩大图像中物体的边界，填充小的空洞或连接断裂的部分，使物体更加完整。这两种操作在图像处理中起着重要作用，常用于图像增强、边缘检测、形状分析、图像分割等领域，能够帮助改善图像质量、提取目标特征和进行进一步的图像分析处理。

2.腐蚀和膨胀的原理和算法

腐蚀（Erosion）: 腐蚀操作的原理是将结构元素在图像上滑动，只有当结构元素完全与图像重叠时，中心像素值才被保留，否则被置为背景值。 

算法步骤：对于图像中的每个像素，将结构元素与其对应位置进行比较，如果结构元素完全包含在图像中，则保留中心像素值，否则将中心像素置为背景值。  腐蚀操作可以用于去除小的细节、边缘平滑和图像细化等操作。 

膨胀（Dilation）: 膨胀操作的原理是将结构元素在图像上滑动，只要结构元素与图像有交集，中心像素值就被置为前景值。 

算法步骤：对于图像中的每个像素，将结构元素与其对应位置进行比较，只要结构元素与图像有交集，中心像素值就被置为前景值。 膨胀操作可以用于填充小的空洞、连接断裂的部分和增加物体的大小等操作。

3.代码示例

腐蚀：

import cv2
import numpy as np
sun = cv2.imread('sun.png')
cv2.imshow('image',sun)
cv2.waitKey(100000)
kernel = np.ones((3,3),np.uint8)  #设置kenenel大小
erosion_1 = cv2.erode(sun,kernel,iterations=5)  
cv2.imshow('Erosion',erosion_1)
cv2.waitKey(100000)

这段代码创建一个3x3的全为1的核用于腐蚀操作，并对图像进行了5次腐蚀操作 ，结果如图：

原图                                                                           腐蚀图像

膨胀：

import cv2
import numpy as np
sun = cv2.imread('sun.png')
cv2.imshow('sun',sun)
cv2.waitKey(100000)

kernel = np.ones((2,2),np.uint8)  #设置kenenel大小
sun_new = cv2.dilate(sun,kernel,iterations=10)
cv2.imshow('sun_new',sun_new)
cv2.waitKey(100000)

 这段代码创建一个2x2的全为1的核用于膨胀操作，并对图像进行了10次膨胀操作 ，结果如图：

原图                                                                       膨胀图像