导语

膨胀和腐蚀是图像处理中常用的形态学操作，用于改变图像的形状和结构。在 OpenCV 中，膨胀和腐蚀是基于结构元素的像素操作，可以用于图像增强、边缘检测、图像分割等多个领域。本文将以膨胀和腐蚀操作为中心，为你介绍使用 OpenCV 进行形态学操作的基本步骤和实例。

😃😄 ❤️ ❤️ ❤️

一、膨胀操作

膨胀操作是将图像中的物体区域进行扩展的过程。以下是一个使用膨胀操作的示例代码：

import cv2
import numpy as np# 读取图像文件
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)# 定义膨胀操作的结构元素
kernel = np.ones((3, 3), np.uint8)# 进行膨胀操作
dilated_image = cv2.dilate(image, kernel, iterations=1)

在上述示例中，我们使用 dilate 函数对灰度图像进行膨胀操作。 kernel 参数定义了膨胀操作的结构元素，可以是矩形、椭圆或自定义形状。 iterations 参数表示膨胀的次数，较大的值将产生更明显的膨胀效果。

二、腐蚀操作

腐蚀操作是将图像中的物体区域进行收缩的过程。以下是一个使用腐蚀操作的示例代码：

import cv2
import numpy as np# 读取图像文件
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)# 定义腐蚀操作的结构元素
kernel = np.ones((3, 3), np.uint8)# 进行腐蚀操作
eroded_image = cv2.erode(image, kernel, iterations=1)

在上述示例中，我们使用 erode 函数对灰度图像进行腐蚀操作。 kernel 参数定义了腐蚀操作的结构元素，可以是矩形、椭圆或自定义形状。 iterations 参数表示腐蚀的次数，较大的值将产生更明显的腐蚀效果。

三、示例应用

现在，我们来看一些常见的示例应用，演示膨胀和腐蚀操作的效果：

3.1 图像增强

使用膨胀和腐蚀操作，可以对图像进行增强，改善图像的结构和细节。以下是一个示例代码：

import cv2
import numpy as np# 读取图像文件
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)# 定义膨胀和腐蚀操作的结构元素
kernel = np.ones((3, 3), np.uint8)# 进行膨胀和腐蚀操作
dilated_image = cv2.dilate(image, kernel, iterations=1)
eroded_image = cv2.erode(image, kernel, iterations=1)

这个示例将加载名为" image.jpg "的灰度图像文件，并分别使用膨胀和腐蚀操作对图像进行增强。

原图：
在这里插入图片描述
膨胀效果展示：
可以看到点变大了。

腐蚀效果展示：
可以看到点点变小了。

3.2 边缘检测

膨胀和腐蚀操作可以用于边缘检测，提取图像中的边缘信息。以下是一个示例代码：

import cv2
import numpy as np# 读取图像文件
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)# 定义膨胀和腐蚀操作的结构元素
kernel = np.ones((3, 3), np.uint8)# 进行膨胀和腐蚀操作
dilated_image = cv2.dilate(image, kernel, iterations=1)
eroded_image = cv2.erode(image, kernel, iterations=1)# 提取边缘信息
edges = cv2.absdiff(dilated_image, eroded_image)