自定义opencv腐蚀，膨胀函数
目录
内容：
形态学应用场景：
腐蚀操作：
膨胀操作：
自定义函数实现腐蚀和膨胀操作：
内容：
- 形态学的操作：腐蚀，膨胀概念。
- 形态学操作腐蚀膨胀的作用。
- 形态学腐蚀，膨胀的源代码实现
形态学应用场景：
-
去除干扰噪声
-
边界提取
-
目标定位
-
区域填充
腐蚀操作：
概念：
通过使用特定的结构元素来侵蚀图像。
定义：
形态学腐蚀的作用：
- 它能够将图像的边界点消除，使图像沿着边界向内收缩，
- 将小于指定结构体元素的部分去除。
- 腐蚀用来“收缩”或者“细化”二值图像。
opencv自带函数erode函数：
官网：
参数解释：
| src | 输入图像;通道的数量可以是任意的，但深度应该是CV_8U、CV_16U等。 |
| dst | 输出与输入图像大小类型相同的图像。 |
| kernel | 用于侵蚀的结构元件;如果，则使用矩形结构元素。内核可以使用getStructureElement创建。 |
| anchor | 锚点在元素中的位置;默认值 （-1， -1） 表示定位点位于元素中心。 |
| iterations | 腐蚀的次数 |
| borderType | 像素外推方法， |
| borderValue | 常量边框情况下的边框值 |
代码：
erosion = cv2.erode(img,kernel,iterations = 1) # 腐蚀函数膨胀操作：
概念：
通过使用特定的结构元素来扩展图像。
定义：
形态学膨胀的作用：
- 桥接裂缝，恢复图像中断续的连通性。
- 使图像变胖。
opencv自带函数：
官网dilate函数：
参数解释：
| src | 输入图像;通道的数量可以是任意的，但深度应该是CV_8U、CV_16U等。 |
| dst | 输出与输入图像大小类型相同的图像。 |
| kernel | 用于膨胀的结构元件;如果，则使用矩形结构元素。内核可以使用getStructureElement创建。 |
| anchor | 锚点在元素中的位置;默认值 （-1， -1） 表示定位点位于元素中心。 |
| iterations | 膨胀的次数 |
| borderType | 像素外推方法， |
| borderValue | 常量边框情况下的边框值 |
代码：
dige_dilate = cv2.dilate(dige_erosion,kernel,iterations = 1) # 膨胀函数自定义函数实现腐蚀和膨胀操作：
- 注意这个函数是进行的3*3的核，其他的核需要在tmp[y-1:y+2, x-1:x+2]进行更改
def myfun(img,kernel,Iterations=1,method="erode"): # 图片 ,
H, W = img.shape
out = img.copy()
for i in range(Iterations):
tmp = np.pad(out, (1, 1), 'edge') # 添加0
for y in range(1, H):
for x in range(1, W):
if method=="erode":
if np.sum(kernel * tmp[y-1:y+2, x-1:x+2]) < 255*np.sum(kernel):
out[y, x] = 0
if method=="dilate":
if np.sum(kernel * tmp[y-1:y+2, x-1:x+2]) >= 255:
out[y, x] = 255
return out输入参数：
- img, 输入的图像
- kernel, 用于操作的结构元件;如果，则使用矩形结构元素。内核可以使用getStructureElement创建。
- Iterations=1,膨胀的次数
- method="erode"，进行形态学的方法，erode或者dilate
运行代码：
img=cv2.imread("./img/1.png",0)# 读取原图像的灰度图
kernel = np.array(((0, 1, 0),
(1, 0, 0),
(0, 0, 0)), dtype=np.int)
erode_img=myfun(img,kernel,1,"erode") # 使用自定义的函数使用腐蚀
dilate_img=myfun(img,kernel,1,"dilate") # 使用自定义的函数使用膨胀操作
res = np.hstack((img,erode_img,dilate_img))
cv2.imshow("img",res)
cv2.waitKey(0)
cv2.destroyAllWindows()效果展示：
