19、图像膨胀

一、图像膨胀含义

1.1、含义

图像膨胀类似于 “领域扩张 ”，将图像的高亮区域或白色部分进行扩张，运行结果图比原图的高亮区域更大。

膨胀的运算符是 “⊕” ，其定义如下：

​ A ⊕ B = { x ∣ ( B ) x ∩ A ≠ Θ } A \oplus B=\left\{x \mid(B)_{x} \cap A \neq \Theta\right\} A⊕B={x∣(B)x​∩A​=Θ}

该公式表示用 B来对图像 A进行膨胀处理，其中 B是一个卷积模板或卷积核，其形状可以为正方形或圆形，通过模板 B与图像A进行卷积计算，扫描图像中的每一个像素点，用模板元素与二值图像元素做 “与 ” 运算，如果都为 0，那么目标像素点为 0，否则为 1。从而计算 B覆盖区域的像素点最大值，并用该值替换参考点的像素值实现膨胀。下图是将左边的原始图像A膨胀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、效果对比图

二、dilate() 函数实现图像膨胀

2.1、函数调用格式

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

src：需要处理的图像

kernel：卷积核大小

iterations：迭代次数

2.2、案例实现

#Author:MuMengSunny
#Filename:图像膨胀
import cv2
import numpy as np

img = cv2.imread(r'F:\image\expan.jpg',cv2.IMREAD_UNCHANGED)
expan_img = cv2.dilate(img,kernel=np.ones((5,5),np.uint8),iterations=3)#卷积核大小为5*5，迭代3次

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

cv2.waitKey(0)
cv2.destroyAllWindows()

2.3、效果对比