python学opencv|读取图像（五十九）使用cv2.dilate()函数实现图像膨胀处理

【1】引言

前序学习过程中，已经初步了解了腐蚀带来的图像处理效果，相关文章链接为：

python学opencv|读取图像（五十八）使用cv2.erode()函数实现图像腐蚀处理-CSDN博客

腐蚀其实在一定程度上削减了部分像素，在此基础上，可以进一步探究膨胀对图像的处理效果。

膨胀本身应该是对图像进行放大，需要使用的函数为cv2.dilate()函数。

【2】官网教程

点击下方链接，直达cv2.dilate()函数的官网教程：

OpenCV: Image Filtering

官网对cv2.dilate()函数的说明为：

++图1 官网对cv2.dilate()函数的说明++

相应的，官网中cv2.dilate()函数的参数为：

void cv::dilate (

InputArray src, #输入图像

OutputArray dst, #输出图像

InputArray kernel, #膨胀核

Point anchor = Point(-1,-1), #膨胀核锚点，可选参数

int iterations = 1, #膨胀迭代次数，可选参数

int borderType = BORDER_CONSTANT, #边界样式，可选参数

const Scalar & borderValue = morphologyDefaultBorderValue() ) #边界值，可选参数

【3】代码测试

由于要自创膨胀核，所以在代码编写的开始，需要引入cv2和numpy两个模块：

python 复制代码

import cv2 as cv  # 引入CV模块
import numpy as np  # 引入numpy模块

之后先定义膨胀核：

python 复制代码

# 定义核
k = np.ones((3, 3), np.uint8)  # 定义核
k1 = np.ones((5, 5), np.uint8)  # 定义核
k2 = np.ones((7, 7), np.uint8)  # 定义核

然后引入图像，开始膨胀计算：

python 复制代码

# 读取图片
srcm = cv.imread('srcg.png')  # 读取图像srcx.png

# 腐蚀计算
#dst = cv.erode(srcm, k)  # 图像取平均值，像素核大小为(3,3)
#dst1 = cv.erode(srcm, k1)  # 图像取平均值，像素核大小为(5,5)
#dst2 = cv.erode(srcm, k1)  # 图像取平均值，像素核大小为(7,7)
dstpz1 = cv.dilate(srcm, k) #图像膨胀运算，膨胀核大小为(3,3)
dstpz2 = cv.dilate(srcm, k1) #图像膨胀运算，膨胀核大小为(5,5)
dstpz3 = cv.dilate(srcm, k2) #图像膨胀运算，膨胀核大小为(7,7)

然后显示和保存图像：

python 复制代码

# 显示结果
cv.imshow('srcm ', srcm)
cv.imshow('dst ', dstpz1)
cv.imwrite('dstpz1.png', dstpz1)
cv.imshow('dstpz2 ', dstpz2)
cv.imwrite('dstpz2.png', dstpz2)
cv.imshow('dstpz3 ', dstpz3)
cv.imwrite('dstpz3.png', dstpz3)

# 窗口控制
cv.waitKey()  # 图像不关闭
cv.destroyAllWindows()  # 释放所有窗口

代码运行相关的图像为：

++图2 初始图像srcg.png++

++图3 膨胀图像dstpz1.png++

++图4 膨胀图像dstpz2.png++

++图5 膨胀图像dstpz3.png++

由图2到图5可知，调用cv2.dilate()函数进行图像膨胀处理后，膨胀核越大，图像往外膨胀的趋势越明显，图像越模糊。

此时的完整代码为：

python 复制代码

import cv2 as cv  # 引入CV模块
import numpy as np  # 引入numpy模块

# 定义核
k = np.ones((3, 3), np.uint8)  # 定义核
k1 = np.ones((5, 5), np.uint8)  # 定义核
k2 = np.ones((7, 7), np.uint8)  # 定义核

# 读取图片
srcm = cv.imread('srcg.png')  # 读取图像srcx.png

# 腐蚀计算
#dst = cv.erode(srcm, k)  # 图像取平均值，像素核大小为(3,3)
#dst1 = cv.erode(srcm, k1)  # 图像取平均值，像素核大小为(3,3)
#dst2 = cv.erode(srcm, k1)  # 图像取平均值，像素核大小为(3,3)
dstpz1 = cv.dilate(srcm, k) #图像膨胀运算，膨胀核大小为(3,3)
dstpz2 = cv.dilate(srcm, k1) #图像膨胀运算，膨胀核大小为(3,3)
dstpz3 = cv.dilate(srcm, k2) #图像膨胀运算，膨胀核大小为(3,3)
# 显示结果
cv.imshow('srcm ', srcm)
cv.imshow('dstpz1', dstpz1)
cv.imwrite('dstpz1.png', dstpz1)
cv.imshow('dstpz2 ', dstpz2)
cv.imwrite('dstpz2.png', dstpz2)
cv.imshow('dstpz3 ', dstpz3)
cv.imwrite('dstpz3.png', dstpz3)

# 窗口控制
cv.waitKey()  # 图像不关闭
cv.destroyAllWindows()  # 释放所有窗口

【4】细节说明

膨胀运算需要提前定义膨胀核，膨胀核矩阵应该是奇数nXn，并且膨胀核不应该是纯0矩阵。

经测试，纯0矩阵的膨胀核，没有明显的膨胀效果。

【5】总结

掌握了使用python+opencv实现调用cv2.dilate()函数进行图像膨胀处理的技巧。