图像的腐蚀和膨胀

主讲人：王

肖图像的腐蚀和膨胀机器视觉技术及应用腐蚀

机器视觉技术及应用——腐蚀和膨胀原图腐蚀后效果图膨胀

机器视觉技术及应用——腐蚀和膨胀腐蚀和膨胀

机器视觉技术及应用——腐蚀和膨胀结构元素

结构元素类似于“滤波核”的元素，或者说类似于一个“小窗”，在原图上进行“滑动”，可以指定其形状和大小。一般由0和1的二值像素组成。机器视觉技术及应用——腐蚀和膨胀

腐蚀操作是对所选区域进行“收缩”的一种操作，可以用于消除边缘和杂点。腐蚀区域的大与结构元素的大小和形状相关。其原理是使用一个自定义的结构元素，如矩形、圆形等，在二值像上进行类似于“滤波”的滑动操作，然后将二值图像对应的像素点与结构元素的像素进行对比，得到的交集即为腐蚀后的图像像素。

经过腐蚀操作，图像区域的边缘可能会变得平滑，区域的像素将会减少，相连的部分可能会断开。即使如此，各部分仍然属手同一个区域。机器视觉技术及应用——腐蚀和膨胀腐蚀用来进行图像腐蚀的函数是cv2.erode,语法如下：dst=cv2.erode(src,kernel,anchor=None,iterations=None)其参数分别解释如下。

机器视觉技术及应用——腐蚀和膨胀src:要进行图像腐蚀的原图像。kernel:用来进行图像腐蚀的卷积核。anchor:锚点，默认为(-1,-1),处于内核中心位置。iterations:对图像进行形态学腐蚀的次数。dst:图像腐蚀后的输出图像。腐蚀腐蚀img=cv2.imread('1.jpg')x=img.shape[0]y=img.shape[1]#设置卷积核kernel=np.ones((5,5),np.uint8)#形态学腐蚀erode=cv2.erode(img,kernel,iterations=1)#图片显示dWindow('img',cv2.WINDOW_NORMAL)机器视觉技术及应用——腐蚀和膨胀腐蚀机器视觉技术及应用——腐蚀和膨胀

膨胀是对选区进行“扩大”操作。其原理是使用一个自定义的结构元素，在待处理的二值图像上进行类似于“滤波”的滑动操作，然后将二值图像对应的像素点与结构元素的像素进行对比，得到的并集为膨胀后的图像像素。

经过膨胀操作，图像区域的边缘可能会变得平滑，区域的像素将会增加，不相连的部分可能会连接起来，这些都与腐蚀操作正好相反。即使如此，原本不相连的区域仍然属于各自的区域，不会因为像素重叠就发生合并。机器视觉技术及应用——腐蚀和膨胀膨胀形态学膨胀使用的函数为cv2.dilate,语法如下：dst=cv2.dilate(src,kernel,anchor=None,iterations=None)参数如下：机器视觉技术及应用——腐蚀和膨胀src:要进行图像膨胀的原图像。kernel:图像膨胀的卷积核。anchor:锚点，默认为(-1,-1),处于内核中心位置。iterations:对图像进行形态学膨胀的次数。膨胀img=cv2.imread('1.jpg')x=img.shape[0]y=img.shape[1]#设置卷积核kernel=np.ones((5,5),np.uint8)#形态学膨胀6次dilate=cv2.dilate(grey,kernel,iterations=6)#形态学腐蚀6次erode=cv2.erode(dilate,kernel,iterations=6)dWindow('img',cv2.W