该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类、目标检测应用。
前一篇文章介绍图像阈值化处理操作，包括二进制阈值化、反二进制阈值化、截断阈值化、反阈值化为0、阈值化为0。本篇文章将讲解Python调用OpenCV实现图像腐蚀和图像膨胀的算法，基础知识，希望对您有所帮助。如果有不足之处，还请海涵~
- 一.基础理论
- 二.图像腐蚀代码实现
- 三.图像膨胀代码实现
- 四.总结
文章参考自己以前系列图像处理文章及OpenCV库函数，同时部分参考网易云lilizong老师的视频，推荐大家去学习。同时，本篇文章涉及到《计算机图形学》基础知识，请大家下来补充。该系列在github所有源代码：
- https://github.com/eastmountyxz/ ImageProcessing-Python
一. 基础知识
图像的膨胀（Dilation）和腐蚀（Erosion）是两种基本的形态学运算，主要用来寻找图像中的极大区域和极小区域。其中：
- 膨胀类似于“领域扩张”，将图像中的高亮区域或白色部分进行扩张，其运行结果图比原图的高亮区域更大。
- 腐蚀类似于“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，其运行结果图比原图的高亮区域更小。
1.图像膨胀 膨胀的运算符是“⊕”，其定义如下：
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。
处理结果如下图所示：
2.图像腐蚀 腐蚀的运算符是“－”，其定义如下：
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。
处理结果如下图所示：
二. 图像腐蚀代码实现
1.基础理论 形态学转换主要针对的是二值图像（0或1）。图像腐蚀类似于“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，其运行结果图比原图的高亮区域更小。其主要包括两个输入对象：
- 二值图像
- 卷积核
卷积核是腐蚀中的关键数组，采用numpy库可以生成。卷积核的中心点逐个像素扫描原始图像，如下图所示：
被扫描到的原始图像中的像素点，只有当卷积核对应的元素值均为1时，其值才为1，否则其值修改为0。换句话说，遍历到的黄色点位置，其周围全部是白色，保留白色，否则变为黑色，图像腐蚀变小。
2.函数原型 图像腐蚀主要使用的函数为erode，其原型如下：
- dst = cv2.erode(src, kernel, iterations)
参数dst表示处理的结果，src表示原图像，kernel表示卷积核，iterations表示迭代次数。下图表示5*5的卷积核，可以采用函数 np.ones((5,5), np.uint8) 构建。
注意：迭代次数默认是1，表示进行一次腐蚀，也可以根据需要进行多次迭代，进行多次腐蚀。
3.代码实现 完整代码如下所示：
代码语言：javascript复制#encoding:utf-8
import cv2
import numpy as np
#读取图片
src = cv2.imread('test01.jpg', cv2.IMREAD_UNCHANGED)
#设置卷积核
kernel = np.ones((5,5), np.uint8)
#图像腐蚀处理
erosion = cv2.erode(src, kernel)
#显示图像
cv2.imshow("src", src)
cv2.imshow("result", erosion)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如下图所示：
由图可见，干扰的细线被进行了清洗，但仍然有些轮廓，此时可设置迭代次数进行腐蚀。
- erosion = cv2.erode(src, kernel,iterations=9)
输出结果如下图所示：
三. 图像膨胀代码实现
1.基础理论 图像膨胀是腐蚀操作的逆操作，类似于“领域扩张”，将图像中的高亮区域或白色部分进行扩张，其运行结果图比原图的高亮区域更大，线条变粗了，主要用于去噪。
- 图像被腐蚀后，去除了噪声，但是会压缩图像。
- 对腐蚀过的图像，进行膨胀处理，可以去除噪声，并且保持原有形状。
它也包括两个输入对象：
- 二值图像或原始图像
- 卷积核
卷积核是腐蚀中的关键数组，采用numpy库可以生成。卷积核的中心点逐个像素扫描原始图像，如下图所示：
被扫描到的原始图像中的像素点，当卷积核对应的元素值只要有一个为1时，其值就为1，否则为0。
2.函数原型 图像膨胀主要使用的函数为dilate，其原型如下：
- dst = cv2.dilate(src, kernel, iterations)
参数dst表示处理的结果，src表示原图像，kernel表示卷积核，iterations表示迭代次数。下图表示5*5的卷积核，可以采用函数 np.ones((5,5), np.uint8) 构建。
注意：迭代次数默认是1，表示进行一次膨胀，也可以根据需要进行多次迭代，进行多次膨胀。通常进行1次膨胀即可。
3.代码实现 完整代码如下所示：
代码语言：javascript复制#encoding:utf-8
import cv2
import numpy as np
#读取图片
src = cv2.imread('test02.png', cv2.IMREAD_UNCHANGED)
#设置卷积核
kernel = np.ones((5,5), np.uint8)
#图像膨胀处理
erosion = cv2.dilate(src, kernel)
#显示图像
cv2.imshow("src", src)
cv2.imshow("result", erosion)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如下所示：
图像去噪通常需要先腐蚀后膨胀，这又称为开运算，下篇文章将详细介绍。如下图所示：
- erosion = cv2.erode(src, kernel)
- result = cv2.dilate(erosion, kernel)
四.总结
本篇文章主要讲解Python调用OpenCV实现图像腐蚀和图像膨胀的算法，基础性知识希望对您有所帮助。
- 一.基础理论
- 二.图像腐蚀代码实现
- 三.图像膨胀代码实现
源代码下载地址，记得帮忙点star和关注喔！
- https://github.com/eastmountyxz/ ImageProcessing-Python
参考文献，在此感谢这些大佬，共勉！
- [1] 冈萨雷斯. 数字图像处理（第3版）[M]. 电子工业出版社, 2013.
- [2] 罗子江. Python中的图像处理[M]. 科学出版社, 2020.
- [3] https://blog.csdn.net/Eastmount
- [4]《计算机图形学》基础知识
- [5] 部分内容参考网易云lilizong老师的视频
