【OpenCV】腐蚀、膨胀及实战

一、简介

  腐蚀与膨胀是形态学两个基本操作
  图像形态学：
  是图像处理学科的一个独立分支。主要用来处理灰度和二值图像。，也可用来处理彩色图像
  形态学操作的基础：

               

1.1 膨胀

  前提： 结构元素/模板，通常3×3大小。（膨胀和腐蚀，都支持任意形状的结构元素/模板）
          
  膨胀：用结构元素/模板在图像中滑动，结构元素/模板覆盖的图像块中最大像素值替换图像块的中间像素值。
  膨胀作用：
  （1）对象大小增加一个像素（模板为3×3时）
  （2）平滑对象边缘
  （3）减少或者填充对象之间的距离。

1.2 腐蚀

  前提： 结构元素/模板，通常3×3大小。（膨胀和腐蚀，都支持任意形状的结构元素/模板）
         
  腐蚀：用结构元素/模板在图像中滑动，结构元素/模板覆盖的图像块中最小像素值替换图像块的中间像素值。
  腐蚀作用：
  （1）对象大小减小1个像素（模板大小为3×3时）
  （2）平滑对象边缘
  （3）弱化或者分割图像之间的半岛形连接

二、实践

2.1 灰度图

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
'''腐蚀'''
def erode_demo(image):

    gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    ret,binary=cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)
    #结构元素/模板
    kernel=cv.getStructuringElement(cv.MORPH_RECT,(3,3))
    #腐蚀
    dst=cv.erode(binary,kernel)
    cv.imshow('erode',dst)
'''膨胀'''
def dilate_demo(image):
    gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    ret,binary=cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)
    #结构元素/模板
    kernel=cv.getStructuringElement(cv.MORPH_RECT,(10,10))
    #膨胀
    dst=cv.erode(binary,kernel)
    cv.imshow('dilate',dst)
img = cv.imread(r'D:\Project\Opencv\Learning01\number.jpg')
cv.imshow('origin',img)
erode_demo(img)
dilate_demo(img)
cv.waitKey(0)

2.2 彩色图

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
'''对彩色图进行腐蚀和膨胀'''

img = cv.imread(r'D:\Project\Opencv\Learning01\angelababy.jpg')
cv.imshow('origin',img)
kernel=cv.getStructuringElement(cv.MORPH_RECT,(5,5))
dst1=cv.erode(img,kernel)
dst2=cv.dilate(img,kernel)
cv.imshow('erode',dst1)
cv.imshow('dilate',dst2)
cv.waitKey(0)
cv.destroyAllWindows()