Python影像處理丨影像腐蝕與影像膨脹
摘要：本篇文章主要講解Python調用OpenCV實現影像腐蝕和影像膨脹的演算法。
本文分享自華為雲社區《[Python影像處理] 八.影像腐蝕與影像膨脹》，作者： eastmount 。
本篇文章主要講解Python調用OpenCV實現影像腐蝕和影像膨脹的演算法，基礎性知識希望對您有所幫助。
- 1.基礎理論
- 2.影像腐蝕程式碼實現
- 3.影像膨脹程式碼實現
一. 基礎知識
（註：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》）
影像的膨脹（Dilation）和腐蝕（Erosion）是兩種基本的形態學運算，主要用來尋找影像中的極大區域和極小區域。其中膨脹類似於「領域擴張」，將影像中的高亮區域或白色部分進行擴張，其運行結果圖比原圖的高亮區域更大；腐蝕類似於「領域被蠶食」，將影像中的高亮區域或白色部分進行縮減細化，其運行結果圖比原圖的高亮區域更小。
1.影像膨脹
膨脹的運算符是「⊕」，其定義如下：
該公式表示用B來對影像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與影像A進行卷積計算，掃描影像中的每一個像素點，用模板元素與二值影像元素做「與」運算，如果都為0，那麼目標像素點為0，否則為1。從而計算B覆蓋區域的像素點最大值，並用該值替換參考點的像素值實現膨脹。下圖是將左邊的原始影像A膨脹處理為右邊的效果圖A⊕B。
處理結果如下圖所示：
2.影像腐蝕
腐蝕的運算符是「－」，其定義如下：
該公式表示影像A用卷積模板B來進行腐蝕處理，通過模板B與影像A進行卷積計算，得出B覆蓋區域的像素點最小值，並用這個最小值來替代參考點的像素值。如圖所示，將左邊的原始影像A腐蝕處理為右邊的效果圖A-B。
處理結果如下圖所示：
二. 影像腐蝕程式碼實現
1.基礎理論
形態學轉換主要針對的是二值影像（0或1）。影像腐蝕類似於「領域被蠶食」，將影像中的高亮區域或白色部分進行縮減細化，其運行結果圖比原圖的高亮區域更小。其主要包括兩個輸入對象：
(1)二值影像
(2)卷積核
卷積核是腐蝕中的關鍵數組，採用numpy庫可以生成。卷積核的中心點逐個像素掃描原始影像，如下圖所示：
被掃描到的原始影像中的像素點，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，影像腐蝕變小。
2.函數原型
影像腐蝕主要使用的函數為erode，其原型如下：
dst = cv2.erode(src, kernel, iterations)
參數dst表示處理的結果，src表示原影像，kernel表示卷積核，iterations表示迭代次數。下圖表示5*5的卷積核，可以採用函數 np.ones((5,5), np.uint8) 構建。
注意：迭代次數默認是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) #設置卷積核 kernel = np.ones((5,5), np.uint8) #影像腐蝕處理 erosion = cv2.erode(src, kernel) #顯示影像 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，此時可設置迭代次數進行腐蝕。
erosion = cv2.erode(src, kernel,iterations=9)
輸出結果如下圖所示：
三. 影像膨脹程式碼實現
1.基礎理論
影像膨脹是腐蝕操作的逆操作，類似於「領域擴張」，將影像中的高亮區域或白色部分進行擴張，其運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) 影像被腐蝕後，去除了雜訊，但是會壓縮影像。
(2) 對腐蝕過的影像，進行膨脹處理，可以去除雜訊，並且保持原有形狀。
它也包括兩個輸入對象：
(1)二值影像或原始影像
(2)卷積核
卷積核是腐蝕中的關鍵數組，採用numpy庫可以生成。卷積核的中心點逐個像素掃描原始影像，如下圖所示：
被掃描到的原始影像中的像素點，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.函數原型
影像膨脹主要使用的函數為dilate，其原型如下：
dst = cv2.dilate(src, kernel, iterations)
參數dst表示處理的結果，src表示原影像，kernel表示卷積核，iterations表示迭代次數。下圖表示5*5的卷積核，可以採用函數 np.ones((5,5), np.uint8) 構建。
注意：迭代次數默認是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) #設置卷積核 kernel = np.ones((5,5), np.uint8) #影像膨脹處理 erosion = cv2.dilate(src, kernel) #顯示影像 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：
影像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)
本文摘錄自eastmount X華為雲開發者社區聯合出品的電子書《從零到一 • Python影像處理及識別》。
點擊免費下載電子書《從零到一 • Python影像處理及識別》
