【OpenCV3.3+Python3.6】形态学操作之膨胀与腐蚀

图像形态学

图像处理学科的一个单独分支学科，灰度与二值图像处理中的重要手段，是由数学的集合论等相关理论发展起来的
膨胀与腐蚀   识别物体

膨胀或运算  

腐蚀与运算

膨胀的作用

对象大小增加一个像素（3x3）

平滑对象边缘

腐蚀的作用

对象大小减小1个像素

平滑对象边缘

弱化或者分割图像之间的半岛型连接

import cv2
import numpy as np

def erode_demo(image):  #腐蚀
    print(image.shape)
    gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
    ret, binary=cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY|cv2.THRESH_OTSU)
    cv2.imshow("binary_image",binary)
    kernel=cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
    dst=cv2.erode(binary, kernel)
    cv2.imshow("erode_image", dst)

def dilate_demo(image):  #膨胀
    print(image.shape)
    gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
    ret, binary=cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY|cv2.THRESH_OTSU)
    cv2.imshow("binary_image",binary)
    kernel=cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
    dst=cv2.dilate(binary, kernel)
    cv2.imshow("dilate_image", dst)

print("-----------------hello python-----------------")
src=cv2.imread("six.png")
cv2.imshow("source_image",src)
erode_demo(src1)
dilate_demo(src1)
cv2.waitKey(0)
cv2.destroyAllWindows()

（1）原图

（2）膨胀

（3）腐蚀