图像的膨胀和腐蚀原理及opencv实现

1 膨胀和腐蚀介绍

腐蚀和膨胀是形态学最基本的操作，都是针对白色部分（高亮部分）而言的。
膨胀就是使图像中高亮部分扩张，得到比原图更大的高亮区域；腐蚀是原图像中的高亮区域被蚕食，得到比原图更小的高亮区域。
膨胀是求结构元素下像素最大值，腐蚀是求结构元素下像素最小值。

1.1 膨胀

具体操作：用一个结构元素扫描图像中的每一个像素，看结构元素覆盖下的原图的像素（二值图像只有0和1）的最大值是多少，若最大值是1，则该点像素为1；若最大值是0，则该点像素是0。

例子如下：
原图

结构元素

以第三行第二个像素点为例，将结构元素的中心点放置在该像素点上，结构元素覆盖的区域像素点的最大值为1，因此第三行第二个像素点的值为1。

膨胀后的结果：

膨胀的作用是将与物体接触的所有背景点合并到物体中，使目标增大，可填补目标中的孔洞。

1.2 腐蚀

具体操作：用一个结构元素扫描图像中的每一个像素，用结构元素的中心对准当前正在扫描的像素，看结构元素覆盖下的原图对应的像素（二值图像只有0和1）的最小值是多少，若最小值是0，则该点像素为0；若是1，则该点像素是1。
例子如下：
原图

结构元素

以第二行第三个像素点为例，将结构元素的中心点放置在该像素点上，用结构元素的中心对准当前正在扫描的像素，结构元素覆盖的区域像素点的最小值为0，因此第二行第三个像素点的值变成0。

腐蚀后的结果：

腐蚀的作用是消除物体边界点，使目标缩小，可以消除小于结构元素的噪声点。

2 opencv 实现

2.1 膨胀

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

img = cv.imread('./image/letter.png')
# 创建核结构
kernel = np.ones((5,5),np.uint8)
#膨胀
img1 = cv.dilate(img,kernel)
plt.imshow(img1)

2.2 腐蚀

# 腐蚀
img2 = cv.erode(img,kernel)
plt.imshow(img2)