這篇文章主要為大家展示了“Python圖像處理中如何解決圖像腐蝕與圖像膨脹問題”，內(nèi)容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領(lǐng)大家一起研究并學(xué)習(xí)一下“Python圖像處理中如何解決圖像腐蝕與圖像膨脹問題”這篇文章吧。

創(chuàng)新互聯(lián)專注于企業(yè)全網(wǎng)營銷推廣、網(wǎng)站重做改版、交口網(wǎng)站定制設(shè)計、自適應(yīng)品牌網(wǎng)站建設(shè)、H5頁面制作、成都做商城網(wǎng)站、集團公司官網(wǎng)建設(shè)、成都外貿(mào)網(wǎng)站建設(shè)、高端網(wǎng)站制作、響應(yīng)式網(wǎng)頁設(shè)計等建站業(yè)務(wù)，價格優(yōu)惠性價比高，為交口等各大城市提供網(wǎng)站開發(fā)制作服務(wù)。

圖像的膨脹（Dilation）和腐蝕（Erosion）是兩種基本的形態(tài)學(xué)運算，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)域擴張”，將圖像中的高亮區(qū)域或白色部分進行擴張，其運行結(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)域或白色部分進行縮減細化，其運行結(jié)果圖比原圖的高亮區(qū)域更小。

1.圖像膨脹

膨脹的運算符是“⊕”，其定義如下：

該公式表示用B來對圖像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與圖像A進行卷積計算，掃描圖像中的每一個像素點，用模板元素與二值圖像元素做“與”運算，如果都為，那么目標(biāo)像素點為，否則為1。從而計算B覆蓋區(qū)域的像素點最大值，并用該值替換參考點的像素值實現(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

腐蝕的運算符是“－”，其定義如下：

該公式表示圖像A用卷積模板B來進行腐蝕處理，通過模板B與圖像A進行卷積計算，得出B覆蓋區(qū)域的像素點最小值，并用這個最小值來替代參考點的像素值。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. 圖像腐蝕代碼實現(xiàn)

1.基礎(chǔ)理論

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

(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。卷積核的中心點逐個像素掃描原始圖像，如下圖所示：

被掃描到的原始圖像中的像素點，只有當(dāng)卷積核對應(yīng)的元素值均為1時，其值才為1，否則其值修改為。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?yōu)楹谏?，圖像腐蝕變小。

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)默認是1，表示進行一次腐蝕，也可以根據(jù)需要進行多次迭代，進行多次腐蝕。

3.代碼實現(xiàn)

完整代碼如下所示：

輸出結(jié)果如下圖所示：

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

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)域擴張”，將圖像中的高亮區(qū)域或白色部分進行擴張，其運行結(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，但是會壓縮圖像。

(2) 對腐蝕過的圖像，進行膨脹處理，可以去除噪聲，并且保持原有形狀。

它也包括兩個輸入對象：

(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。卷積核的中心點逐個像素掃描原始圖像，如下圖所示：

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

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)默認是1，表示進行一次膨脹，也可以根據(jù)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.代碼實現(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)

以上是“Python圖像處理中如何解決圖像腐蝕與圖像膨脹問題”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道！