18、图像腐蚀

一、图像腐蚀含义

1.1、定义

腐蚀类似 “领域被蚕食 ”，将图像中的高亮区域或白色部分进行缩减细化，其运行结果比原图的高亮区域更小。

腐蚀的运算符号是 “ -”，其运算规则是：

​ A − B = { x ∣ B x ⊆ A } A-B=\left\{x \mid B_{x} \subseteq A\right\} A−B={x∣Bx​⊆A}

该公式表示图像 A用卷积模板 B来进行腐蚀处理，通过模板 B与图像 A进行卷积计算，得出 B 覆盖区域的像素点最小值，并用这个最小值来替代参考点的像素值。如图所示，将左边的原始图像 A腐蚀处理为右边的效果图 A-B。

1.2、解释图

1.2.1、过程示意图

1.2.2、效果图对比

二、erode()函数实现图像腐蚀

2.1、函数调用格式

dst = cv2.erode(src,kernel,iterations)

src：需要处理的图像

kernal：卷积核大小，一般为整形，设置格式为 $kernel=np.ones((5,5),np.uint8)$

iteration：迭代次数，默认为 1 ，如过想要达到更好效果，可以腐蚀多次

2.2、案例实现

#Author:MuMengSunny
#Filename:图像腐蚀
import cv2
import numpy as np

img = cv2.imread(r'F:\image\erode.png',cv2.IMREAD_UNCHANGED)
erode_img = cv2.erode(img,kernel=np.ones((2,2),np.uint8),iterations=3) # 经过测试，卷积核大小为2*2，迭代3次，效果比较好

cv2.imshow('original',img)
cv2.imshow('erode_img',erode_img)

cv2.waitKey(0)
cv2.destroyAllWindows()

2.3、效果对比