python学opencv|读取图像（六十一）先后使用cv2.dilate()函数和cv2.erode()函数实现图像处理

【1】引言

前序学习进程中，先后了解了使用cv2.erode()函数和cv2.dilate()函数实现图像腐蚀和膨胀处理的效果，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

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

不难看出，这两种图像处理方法其实是反着来的，腐蚀会削减一些像素，膨胀会填充一些像素，如果先腐蚀后膨胀，图像也许会有新的效果，这就是上次学习的目标：

python学opencv|读取图像（六十）先后使用cv2.erode()函数和cv2.dilate()函数实现图像处理-CSDN博客

在此基础上，肯定会好奇先膨胀后腐蚀的处理效果，这就是本次学习的目标。

【2】代码测试

先膨胀后腐蚀的代码设计非常简单，这里直接给出完整代码：

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.zeros((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('srcck.png')  # 读取图像srcck.png

# 图像计算
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)

dstfs1 = cv.erode(dstpz1, k)  # 图像腐蚀运算，像素核大小为(3,3)
dstfs2 = cv.erode(dstpz2, k1)  # 图像腐蚀运算，像素核大小为(5,5)
dstfs3 = cv.erode(dstpz3, k2)  # 图像腐蚀运算，像素核大小为(7,7)

# 显示结果
cv.imshow('srcm ', srcm)
cv.imshow('dstfs1', dstfs1)
cv.imwrite('dstfs1.png', dstfs1)
cv.imshow('dstfs2 ', dstfs2)
cv.imwrite('dstfs2.png', dstfs2)
cv.imshow('dstfs3 ', dstfs3)
cv.imwrite('dstfs3.png', dstfs3)

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

由于腐蚀和膨胀都需要一个核，所以在引入必要模块后，定义了核：

复制代码

# 定义核
k = np.zeros((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

之后按照先膨胀后腐蚀的顺序，对图片依次处理：

复制代码

# 图像计算
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)

dstfs1 = cv.erode(dstpz1, k)  # 图像腐蚀运算，像素核大小为(3,3)
dstfs2 = cv.erode(dstpz2, k1)  # 图像腐蚀运算，像素核大小为(5,5)
dstfs3 = cv.erode(dstpz3, k2)  # 图像腐蚀运算，像素核大小为(7,7)

代码运行相关的图像有：

++图1 初始图像srcck.png++

++图2 先膨胀后腐蚀图像dstfs1.png++

++图3 先膨胀后腐蚀图像dstfs2.png++

++图4 先膨胀后腐蚀图像dstfs3.png++

由图2至图4可知，随着先膨胀后腐蚀图像操作核的扩大，图像也越来越趋向于模糊，不过中央的主体形象得到较好的保留，周围的细节被逐渐放弃。

如果想进一步测试，比如增强腐蚀的效果，就可以把腐蚀核变小，比如修改第三章图像膨胀核大小为：

python 复制代码

dstfs3 = cv.erode(dstpz3, k)  # 图像腐蚀运算，像素核大小为(3,3)

此时代码运行后获得的图像为：

++图5 先膨胀后腐蚀图像dstfs3.png-腐蚀作用凸显++

由图5可知，减小腐蚀核后，腐蚀作用凸显，人物形象不仅模糊，脸部的细节也减少了很多。

【3】总结

使用python+opencv检验了对图像先后使用cv2.dilate()函数和cv2.erode()函数进行先膨胀后腐蚀操作的效果。