import numpy as np
import cv2

if __name__ == '__main__':
    
    # 加载图片，并将图片转化为灰度图像
    img = cv2.imread('./tong.jpg',flags=cv2.COLOR_BGR2GRAY)
    
    # 设置腐蚀和膨胀核
    kernel = np.ones(shape=[3,3],dtype=np.uint8)  # 通过shape=[3,3]可以改变处理效果

    # 腐蚀，由多变少，边界容易被腐蚀,去除噪声
    img1 = cv2.erode(img,kernel=kernel)

    # 膨胀，图像变粗
    img2 = cv2.dilate(img1, kernel, iterations=1)

    cv2.imshow('raw',img)  # 显示原图
    cv2.imshow('erode',img1)  # 显示腐蚀图像
    cv2.imshow('dilate2', img2)  # 显示膨胀图像
    cv2.waitKey(0)
    cv2.destroyAllWindows()

部分代码说明

腐蚀

腐蚀原理：

假设原图像中有一个前景物体，那么我们用一个结构元素去腐蚀原图的过程是这样的：遍历原图像的每一个像素，然后用结构元素的中心点对准当前正在遍历的这个像素，然后取当前结构元素所覆盖下的原图对应区域内的所有像素的最小值，用这个最小值替换当前像素值。

腐蚀代码

kernel = np.ones(shape=[3,3],dtype=np.uint8)
img1 = cv2.erode(img,kernel=kernel)  # 腐蚀操作

腐蚀代码定义

erode(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)

参数说明

src：通道数可以是任意的，但深度应该是 CV_8U、CV_16U、CV_16S、CV_32F 或 CV_64F 之一。
. dst：输出与 src 大小和类型相同的图像。
. kernel：用于腐蚀的结构元素；如果 element=Mat()，则使用 3 x 3 矩形结构元素。可以使用#getStructuringElement 创建内核。
. anchor：锚点在元素中的位置；默认值 (-1, -1) 表示锚点位于元素中心。
. iterations：应用侵蚀的次数。
. borderType：像素外推方法。
. borderValue：边界值在恒定边界扩张的情况下，morphologyEx，getStructuringElement

膨胀

膨胀原理

膨胀原理正好与腐蚀原理相反

假设原图像中有一个前景物体，那么我们用一个结构元素去膨胀原图的过程是这样的：遍历原图像的每一个像素，然后用结构元素的中心点对准当前正在遍历的这个像素，然后取当前结构元素所覆盖下的原图对应区域内的所有像素的最大值，用这个最大值替换当前像素值。

膨胀代码

kernel = np.ones(shape=[3,3],dtype=np.uint8)
img2 = cv2.dilate(img1, kernel, iterations=1)

膨胀代码定义

dilate(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)

参数说明

src：通道数可以是任意的，但深度应该是 CV_8U、CV_16U、CV_16S、CV_32F 或 CV_64F 之一。
. dst：输出与 src 大小和类型相同的图像。
. kernel：用于腐蚀的结构元素；如果 element=Mat()，则使用 3 x 3 矩形结构元素。可以使用#getStructuringElement 创建内核。
. anchor：锚点在元素中的位置；默认值 (-1, -1) 表示锚点位于元素中心。
. iterations：应用侵蚀的次数。
. borderType：像素外推方法。
. borderValue：边界值在恒定边界扩张的情况下，morphologyEx，getStructuringElement