【图像处理】腐蚀（erode）和膨胀（dilate）

原理腐蚀（erode）膨胀（dilate） OpenCV实现C++实现python实现 开运算（Opening Operation）闭运算（Closing Operation）形态学梯度（Morphological Gradient）顶帽运算（Top Hat）黑帽运算（Black Hat）结语

原理

二值图像的处理方法，虽然基础，但在消除孔洞等任务中的效果非常好

腐蚀（erode）

腐蚀操作会把高亮（即值为255）的边界腐蚀掉。设定卷积核尺寸，卷积核沿着图像滑动，如果与卷积核对应的原图像的所有像素值都是1，那么中心元素就保持原来的像素值，否则就变为0。

膨胀（dilate）

膨胀操作会把高亮（即值为255）的边界膨胀开。设定卷积核尺寸，卷积核沿着图像滑动，与卷积核对应的原图像的像素值中只要有一个是1，中心元素的像素值就是1。

OpenCV实现

某些场景下，先用腐蚀再用膨胀可以达到去除噪声的效果

C++实现

腐蚀：

Mat element = getStructuringElement(MORPH_RECT, Size(10, 10));erode(src, dst, element)

膨胀：

Mat element = getStructuringElement(MORPH_RECT, Size(10, 10));dilate(src, dst, element)

getStructuringElement：返回指定形状和尺寸的结构元素src：输入图像dst：腐蚀或膨胀操作后输出图像element：自定义卷积核

关于函数getStructuringElement：

第一个参数：矩形——MORPH_RECT，交叉形——MORPH_CROSS，椭圆形——MORPH_ELLIPSE第二个参数：卷积核的尺寸第三个参数：锚点的位置，默认值Point(-1, -1)，表示锚点位于中心点

python实现

腐蚀：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) dst = cv2.erode(src, kernel)

膨胀：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) dst = cv2.dilate(src, kernel)

开运算（Opening Operation）

先腐蚀后膨胀

开运算可以用来消除小物体，在纤细点出分离物体，平滑较大物体的边界同时并不明显改变其面积

闭运算（Closing Operation）

先膨胀后腐蚀

闭运算能够消除小型黑洞

形态学梯度（Morphological Gradient）

膨胀图与腐蚀图之差

对二值图像进行这一操作可以将团块（blob）的边缘突出来，可以用来保留物体的边缘轮廓

顶帽运算（Top Hat）

原图像与开运算的结果图之差

黑帽运算（Black Hat）

闭运算的结果图与原图像之差

结语

如果您有修改意见或问题，欢迎留言或者通过邮箱和我联系。

如果我的文章对您有帮助，转载请注明出处。