本篇文章主要講解Python調(diào)用OpenCV實(shí)現(xiàn)圖像腐蝕和圖像膨脹的算法，基礎(chǔ)性知識(shí)希望對(duì)您有所幫助。

1.基礎(chǔ)理論

2.圖像腐蝕代碼實(shí)現(xiàn)

3.圖像膨脹代碼實(shí)現(xiàn)

一. 基礎(chǔ)知識(shí)

（注：該部分參考作者論文《一種改進(jìn)的Sobel算子及區(qū)域擇優(yōu)的身份證智能識(shí)別方法》）

圖像的膨脹（Dilation）和腐蝕（Erosion）是兩種基本的形態(tài)學(xué)運(yùn)算，主要用來尋找圖像中的極大區(qū)域和極小區(qū)域。其中膨脹類似于“領(lǐng)域擴(kuò)張”，將圖像中的高亮區(qū)域或白色部分進(jìn)行擴(kuò)張，其運(yùn)行結(jié)果圖比原圖的高亮區(qū)域更大；腐蝕類似于“領(lǐng)域被蠶食”，將圖像中的高亮區(qū)域或白色部分進(jìn)行縮減細(xì)化，其運(yùn)行結(jié)果圖比原圖的高亮區(qū)域更小。

1.圖像膨脹

膨脹的運(yùn)算符是“⊕”，其定義如下：

該公式表示用B來對(duì)圖像A進(jìn)行膨脹處理，其中B是一個(gè)卷積模板或卷積核，其形狀可以為正方形或圓形，通過模板B與圖像A進(jìn)行卷積計(jì)算，掃描圖像中的每一個(gè)像素點(diǎn)，用模板元素與二值圖像元素做“與”運(yùn)算，如果都為0，那么目標(biāo)像素點(diǎn)為0，否則為1。從而計(jì)算B覆蓋區(qū)域的像素點(diǎn)最大值，并用該值替換參考點(diǎn)的像素值實(shí)現(xiàn)膨脹。下圖是將左邊的原始圖像A膨脹處理為右邊的效果圖A⊕B。

2.圖像腐蝕

腐蝕的運(yùn)算符是“－”，其定義如下：

該公式表示圖像A用卷積模板B來進(jìn)行腐蝕處理，通過模板B與圖像A進(jìn)行卷積計(jì)算，得出B覆蓋區(qū)域的像素點(diǎn)最小值，并用這個(gè)最小值來替代參考點(diǎn)的像素值。如圖所示，將左邊的原始圖像A腐蝕處理為右邊的效果圖A-B。

處理結(jié)果如下圖所示：

二. 圖像腐蝕代碼實(shí)現(xiàn)

1.基礎(chǔ)理論

形態(tài)學(xué)轉(zhuǎn)換主要針對(duì)的是二值圖像（0或1）。圖像腐蝕類似于“領(lǐng)域被蠶食”，將圖像中的高亮區(qū)域或白色部分進(jìn)行縮減細(xì)化，其運(yùn)行結(jié)果圖比原圖的高亮區(qū)域更小。其主要包括兩個(gè)輸入對(duì)象：

(1)二值圖像

(2)卷積核

卷積核是腐蝕中的關(guān)鍵數(shù)組，采用numpy庫可以生成。卷積核的中心點(diǎn)逐個(gè)像素掃描原始圖像，如下圖所示：

被掃描到的原始圖像中的像素點(diǎn)，只有當(dāng)卷積核對(duì)應(yīng)的元素值均為1時(shí)，其值才為1，否則其值修改為0。換句話說，遍歷到的黃色點(diǎn)位置，其周圍全部是白色，保留白色，否則變?yōu)楹谏瑘D像腐蝕變小。

2.函數(shù)原型

圖像腐蝕主要使用的函數(shù)為erode，其原型如下：

dst = cv2.erode(src, kernel, iterations)

參數(shù)dst表示處理的結(jié)果，src表示原圖像，kernel表示卷積核，iterations表示迭代次數(shù)。下圖表示5*5的卷積核，可以采用函數(shù) np.ones((5,5), np.uint8) 構(gòu)建。

注意：迭代次數(shù)默認(rèn)是1，表示進(jìn)行一次腐蝕，也可以根據(jù)需要進(jìn)行多次迭代，進(jìn)行多次腐蝕。

3.代碼實(shí)現(xiàn)

完整代碼如下所示：

輸出結(jié)果如下圖所示：

由圖可見，干擾的細(xì)線被進(jìn)行了清洗，但仍然有些輪廓，此時(shí)可設(shè)置迭代次數(shù)進(jìn)行腐蝕。

erosion = cv2.erode(src, kernel,iterations=9)

輸出結(jié)果如下圖所示：

三. 圖像膨脹代碼實(shí)現(xiàn)

1.基礎(chǔ)理論

圖像膨脹是腐蝕操作的逆操作，類似于“領(lǐng)域擴(kuò)張”，將圖像中的高亮區(qū)域或白色部分進(jìn)行擴(kuò)張，其運(yùn)行結(jié)果圖比原圖的高亮區(qū)域更大，線條變粗了，主要用于去噪。

(1) 圖像被腐蝕后，去除了噪聲，但是會(huì)壓縮圖像。

(2) 對(duì)腐蝕過的圖像，進(jìn)行膨脹處理，可以去除噪聲，并且保持原有形狀。

它也包括兩個(gè)輸入對(duì)象：

(1)二值圖像或原始圖像

(2)卷積核

卷積核是腐蝕中的關(guān)鍵數(shù)組，采用numpy庫可以生成。卷積核的中心點(diǎn)逐個(gè)像素掃描原始圖像，如下圖所示：

被掃描到的原始圖像中的像素點(diǎn)，當(dāng)卷積核對(duì)應(yīng)的元素值只要有一個(gè)為1時(shí)，其值就為1，否則為0。

2.函數(shù)原型

圖像膨脹主要使用的函數(shù)為dilate，其原型如下：

dst = cv2.dilate(src, kernel, iterations)

參數(shù)dst表示處理的結(jié)果，src表示原圖像，kernel表示卷積核，iterations表示迭代次數(shù)。下圖表示5*5的卷積核，可以采用函數(shù) np.ones((5,5), np.uint8) 構(gòu)建。

注意：迭代次數(shù)默認(rèn)是1，表示進(jìn)行一次膨脹，也可以根據(jù)需要進(jìn)行多次迭代，進(jìn)行多次膨脹。通常進(jìn)行1次膨脹即可。

3.代碼實(shí)現(xiàn)

完整代碼如下所示：

輸出結(jié)果如下所示：

圖像去噪通常需要先腐蝕后膨脹，這又稱為開運(yùn)算，下篇文章將詳細(xì)介紹。如下圖所示：

erosion = cv2.erode(src, kernel)

result = cv2.dilate(erosion, kernel)

作者：Eastmount

審核編輯：黃飛