python图像处理（八）——形态学运算之图像腐蚀与图像膨胀

　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，其中膨胀类似与 '领域扩张' ，将图像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 '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。

一、基础知识

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。

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：

 

二、图像腐蚀

1.理论基础

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：

（1）二值图像

（2）卷积核

2.函数原型

图像腐蚀主要使用erode函数

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。

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

import cv2
import numpy as np

#读取图片
image = cv2.imread("E:/pythonProject/02.jpg",cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((10, 10), np.uint8)

#图像腐蚀处理
erosion = cv2.erode(image, kernel)

#显示窗口
cv2.imshow("erosion", erosion)
cv2.imshow("image", image)

#窗口等待
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下图所示：

卷积核取（10，10），可以看出细线已经被腐蚀掉了，较粗的轮廓线还在，此时可以设置迭代次数iterstions = 9，输出结果如下图所示：

 

三、图像膨胀

1.理论基础

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。

(1) 图像被腐蚀后，去除了噪声，但是会压缩图像。

(2) 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：

(1)二值图像或原始图像

(2)卷积核

2.函数原型

图像膨胀主要使用dilate函数，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。

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

import cv2
import numpy as np

#读取图片
image = cv2.imread("E:/pythonProject/02.jpg",cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((10, 10), np.uint8)


#图像膨胀处理
result = cv2.dilate(image, kernel)

#显示窗口
cv2.imshow("result", result)
cv2.imshow("image", image)

#窗口等待
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下图所示：

图像去噪通常需要先腐蚀后膨胀，这又称为开运算。

核心代码：

erosion = cv2.erode(src, kernel)
result = cv2.dilate(erosion, kernel)

完整代码如下：

import cv2
import numpy as np

#读取图片
image = cv2.imread("E:/pythonProject/03.png",cv2.IMREAD_UNCHANGED)

#设置卷积核
kernel = np.ones((5, 5), np.uint8)

#图像腐蚀处理
erosion = cv2.erode(image, kernel)
#图像膨胀处理
result = cv2.dilate(image, kernel)

#显示窗口
cv2.imshow("erosion", erosion)
cv2.imshow("result", result)
cv2.imshow("image", image)

#窗口等待
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下所示：