Python影象處理：影象腐蝕與影象膨脹！
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
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。
進群：548377875 即可獲取大禮包一整套哦！
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：
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：
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)