python+opencv3.3视频教学笔记 25 膨胀与腐蚀

膨胀与腐蚀能实现多种多样的功能，主要如下：
1.消除噪声
2.分割(isolate)出独立的图像元素，在图像中连接(join)相邻的元素。
3.寻找图像中的明显的极大值区域或极小值区域
4.求出图像的梯度

在进行腐蚀和膨胀的讲解之前，首先需要注意： 腐蚀和膨胀是对白色部分（高亮部分）而言的，不是黑色部分。 膨胀就是图像中的高亮部分进行膨胀，“邻域扩张”，效果图拥有比原图更大的高亮区域。腐蚀就是原图中高亮部分被腐蚀，“邻域被蚕食”，效果图拥有比原图更小的高亮区域。腐蚀和膨胀是最基本的形态学运算。
原理参考：
学习 opencv—(9)形态学图像处理（一）：膨胀和腐蚀

import cv2 as cv
import numpy as np


def erode_demo(image):  # 腐蚀，用低值替代中心点，黑色变多
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)  # 取反，大于阈值的设为0， 小于阈值的设为Maxval
    cv.imshow("binary", binary)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (7, 7))  #第一个参数MORPH_RECT表示矩形的卷积核，当然还可以选择椭圆形的、交叉型的
    dst = cv.erode(binary, kernel)
    cv.imshow("erode_demo", dst)


def dilate_demo(image):  # 膨胀，让高值替代中心点，白色变多
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
    cv.imshow("binary", binary)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (7, 7))  # 返回指定形状和尺寸的结构元素（内核矩阵）,第一个参数表示内核的形状
    dst = cv.dilate(binary, kernel)
    cv.imshow("dilate_demo", dst)

print("--------- Hello Python ---------")
src = cv.imread("D:/opencv/six.jpg")
cv.namedWindow("six", cv.WINDOW_AUTOSIZE)
cv.imshow("six", src)
dilate_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()