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()