python图像腐蚀处理_Python图像处理之膨胀与腐蚀的操作

引言

膨胀与腐蚀是图像处理中两种最基本的形态学操作，膨胀将目标点融合到背景中，向外部扩展，腐蚀与膨胀意义相反，消除连通的边界，使边界向内收缩。在本文中我们将了解使用内核的图像膨胀与腐蚀的基本原理。

让我们开始吧，同样我们需要导入必需的库。

import numpy as np

import matplotlib.pyplot as plt

from skimage.io import imread, imshow

from skimage.draw import circle

from skimage.morphology import erosion, dilation

首先让我们创建一个容易操作的形状--一个简单的圆。

circ_image = np.zeros((100, 100))

circ_image[circle(50, 50, 25)] = 1

imshow(circ_image);

现在让我们定义一个内核。

cross = np.array([[0,1,0],

[1,1,1],

[0,1,0]])

imshow(cross, cmap = 'gray');

将腐蚀函数应用到创建的圆上。

eroded_circle = erosion(circ_image, cross)

imshow(eroded_circle);

图像看起来几乎一模一样。要看到那些微小的差异，我们必须仔细查看图像。

linecolor = 'red'

fig, ax = plt.subplots(1, 2, figsize=(12, 5))

ax[0].imshow(circ_image, cmap = 'gray');

ax[0].set_title('Original', fontsize = 19)

ax[0].axvline(x = 25, color = linecolor)

ax[0].axvline(x = 75, color = linecolor)

ax[0].axhline(y = 25, color = linecolor)

ax[0].axhline(y = 75, color = linecolor)

ax[1].imshow(eroded_circle, cmap = 'gray');

ax[1].set_title('Eroded', fontsize = 19)

ax[1].axvline(x = 25, color = linecolor)

ax[1].axvline(x = 75, color = linecolor)

ax[1].axhline(y = 25, c