該系列文章是講解Python OpenCV影象處理知識，前期主要講解影象入門、OpenCV基礎用法，中期講解影象處理的各種演算法，包括影象銳化運算元、影象增強技術、影象分割等，後期結合深度學習研究影象識別、影象分類應用。希望文章對您有所幫助，如果有不足之處，還請海涵~

同時推薦作者的C++影象系列知識：
[數字影象處理] 一.MFC詳解顯示BMP格式圖片
[數字影象處理] 二.MFC單文件分割視窗顯示圖片
[數字影象處理] 三.MFC實現影象灰度、取樣和量化功能詳解
[數字影象處理] 四.MFC對話方塊繪製灰度直方圖
[數字影象處理] 五.MFC影象點運算之灰度線性變化、灰度非線性變化、閾值化和均衡化處理詳解
[數字影象處理] 六.MFC空間幾何變換之影象平移、映象、旋轉、縮放詳解
[數字影象處理] 七.MFC影象增強之影象普通平滑、高斯平滑、Laplacian、Sobel、Prewitt銳化詳解

前文參考：
[Python影象處理] 一.影象處理基礎知識及OpenCV入門函式
[Python影象處理] 二.OpenCV+Numpy庫讀取與修改畫素
[Python影象處理] 三.獲取影象屬性、興趣ROI區域及通道處理
[Python影象處理] 四.影象平滑之均值濾波、方框濾波、高斯濾波及中值濾波
[Python影象處理] 五.影象融合、加法運算及影象型別轉換
[Python影象處理] 六.影象縮放、影象旋轉、影象翻轉與影象平移
[Python影象處理] 七.影象閾值化處理及演算法對比

本篇文章主要講解Python呼叫OpenCV實現影象腐蝕和影象膨脹的演算法，基礎性知識希望對您有所幫助。
1.基礎理論
2.影象腐蝕程式碼實現
3.影象膨脹程式碼實現

PS：文章參考自己以前系列影象處理文章及OpenCV庫函式，同時部分參考網易雲視訊，推薦大家去學習。同時，本篇文章涉及到《計算機圖形學》基礎知識，請大家下來補充。

PSS：文章參考自己以前系列影象處理文章及OpenCV庫函式，同時部分參考網易雲lilizong老師的視訊，推薦大家去學習。同時，本篇文章涉及到《計算機圖形學》基礎知識，請大家下來補充。

PSS：2019年1~2月作者參加了CSDN2018年部落格評選，希望您能投出寶貴的一票。我是59號，Eastmount，楊秀璋。投票地址：https://bss.csdn.net/m/topic/blog_star2018/index

五年來寫了314篇部落格，12個專欄，是真的熱愛分享，熱愛CSDN這個平臺，也想幫助更多的人，專欄包括Python、資料探勘、網路爬蟲、影象處理、C#、Android等。現在也當了兩年老師，更是覺得有義務教好每一個學生，讓貴州學子好好寫點程式碼，學點技術，"師者，傳到授業解惑也"，提前祝大家新年快樂。2019我們攜手共進，為愛而生。

---

一. 基礎知識

（注：該部分參考作者論文《一種改進的Sobel運算元及區域擇優的身份證智慧識別方法》）

影象的膨脹（Dilation）和腐蝕（Erosion）是兩種基本的形態學運算，主要用來尋找影象中的極大區域和極小區域。其中膨脹類似於“領域擴張”，將影象中的高亮區域或白色部分進行擴張，其執行結果圖比原圖的高亮區域更大；腐蝕類似於“領域被蠶食”，將影象中的高亮區域或白色部分進行縮減細化，其執行結果圖比原圖的高亮區域更小。

1.影象膨脹
膨脹的運算子是“⊕”，其定義如下：

該公式表示用B來對影象A進行膨脹處理，其中B是一個卷積模板或卷積核，其形狀可以為正方形或圓形，通過模板B與影象A進行卷積計算，掃描影象中的每一個畫素點，用模板元素與二值影象元素做“與”運算，如果都為0，那麼目標畫素點為0，否則為1。從而計算B覆蓋區域的畫素點最大值，並用該值替換參考點的畫素值實現膨脹。下圖是將左邊的原始影象A膨脹處理為右邊的效果圖A⊕B。 處理結果如下圖所示：

2.影象腐蝕
腐蝕的運算子是“－”，其定義如下：

該公式表示影象A用卷積模板B來進行腐蝕處理，通過模板B與影象A進行卷積計算，得出B覆蓋區域的畫素點最小值，並用這個最小值來替代參考點的畫素值。如圖所示，將左邊的原始影象A腐蝕處理為右邊的效果圖A-B。 處理結果如下圖所示：

---

二. 影象腐蝕程式碼實現

1.基礎理論
形態學轉換主要針對的是二值影象（0或1）。影象腐蝕類似於“領域被蠶食”，將影象中的高亮區域或白色部分進行縮減細化，其執行結果圖比原圖的高亮區域更小。其主要包括兩個輸入物件：
(1)二值影象
(2)卷積核
卷積核是腐蝕中的關鍵陣列，採用numpy庫可以生成。卷積核的中心點逐個畫素掃描原始影象，如下圖所示：

被掃描到的原始影象中的畫素點，只有當卷積核對應的元素值均為1時，其值才為1，否則其值修改為0。換句話說，遍歷到的黃色點位置，其周圍全部是白色，保留白色，否則變為黑色，影象腐蝕變小。

2.函式原型
影象腐蝕主要使用的函式為erode，其原型如下：
dst = cv2.erode(src, kernel, iterations)
引數dst表示處理的結果，src表示原影象，kernel表示卷積核，iterations表示迭代次數。下圖表示5*5的卷積核，可以採用函式 np.ones((5,5), np.uint8) 構建。

注意：迭代次數預設是1，表示進行一次腐蝕，也可以根據需要進行多次迭代，進行多次腐蝕。

3.程式碼實現
完整程式碼如下所示：

#encoding:utf-8
import cv2  
import numpy as np  

#讀取圖片
src = cv2.imread('test01.jpg', cv2.IMREAD_UNCHANGED)

#設定卷積核
kernel = np.ones((5,5), np.uint8)

#影象腐蝕處理
erosion = cv2.erode(src, kernel)

#顯示影象
cv2.imshow("src", src)
cv2.imshow("result", erosion)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如下圖所示：

由圖可見，干擾的細線被進行了清洗，但仍然有些輪廓，此時可設定迭代次數進行腐蝕。

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

輸出結果如下圖所示：

---

三. 影象膨脹程式碼實現

1.基礎理論
影象膨脹是腐蝕操作的逆操作，類似於“領域擴張”，將影象中的高亮區域或白色部分進行擴張，其執行結果圖比原圖的高亮區域更大，線條變粗了，主要用於去噪。
(1) 影象被腐蝕後，去除了噪聲，但是會壓縮影象。
(2) 對腐蝕過的影象，進行膨脹處理，可以去除噪聲，並且保持原有形狀。

它也包括兩個輸入物件：
(1)二值影象或原始影象
(2)卷積核
卷積核是腐蝕中的關鍵陣列，採用numpy庫可以生成。卷積核的中心點逐個畫素掃描原始影象，如下圖所示：

被掃描到的原始影象中的畫素點，當卷積核對應的元素值只要有一個為1時，其值就為1，否則為0。

2.函式原型
影象膨脹主要使用的函式為dilate，其原型如下：
dst = cv2.dilate(src, kernel, iterations)
引數dst表示處理的結果，src表示原影象，kernel表示卷積核，iterations表示迭代次數。下圖表示5*5的卷積核，可以採用函式 np.ones((5,5), np.uint8) 構建。

注意：迭代次數預設是1，表示進行一次膨脹，也可以根據需要進行多次迭代，進行多次膨脹。通常進行1次膨脹即可。

3.程式碼實現
完整程式碼如下所示：

#encoding:utf-8
import cv2  
import numpy as np  

#讀取圖片
src = cv2.imread('test02.png', cv2.IMREAD_UNCHANGED)

#設定卷積核
kernel = np.ones((5,5), np.uint8)

#影象膨脹處理
erosion = cv2.dilate(src, kernel)

#顯示影象
cv2.imshow("src", src)
cv2.imshow("result", erosion)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如下所示：

影象去噪通常需要先腐蝕後膨脹，這又稱為開運算，下篇文章將詳細介紹。如下圖所示：
erosion = cv2.erode(src, kernel)
result = cv2.dilate(erosion, kernel)

希望文章對大家有所幫助，如果有錯誤或不足之處，還請海涵。最近經歷的事情太多，有喜有悲，關閉了朋友圈，希望通過不斷學習和寫文章來忘記煩勞，將憂鬱轉換為動力。哎，總感覺自己在感動這個世界，幫助所有人，而自己卻…保重。
（By：Eastmount 2018-10-31 下午4點 https://blog.csdn.net/Eastmount/）