Opencv 学习笔记：图像膨胀 / 腐蚀（附滑块动态调节腐蚀核大小）

形态学操作中的膨胀与腐蚀是图像分割、边缘处理的核心技巧，结合 OpenCV 滑块可动态调整操作核大小，无需反复改代码。本文演示膨胀 / 腐蚀的基础实现，及滑块调节腐蚀核的交互玩法。

核心代码实现

python 复制代码

import cv2 as cv
import numpy as np

# 1. 读取图像并校验
src = cv.imread(".\image\1.bmp")
if src is None:
    print('could not load image')
    exit()
cv.imshow('src', src)

# 2. 定义全局变量（滑块回调用）
A = 1
erodeds = np.zeros_like(src)

# 3. 腐蚀回调函数：动态调整核大小
def eroded(A):
    # 确保核大小为奇数（形态学操作要求）
    kernel_size = A if A % 2 == 1 else A + 1
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (kernel_size, kernel_size))
    eroded_img = cv.erode(src, kernel)
    global erodeds
    erodeds = eroded_img

# 4. 基础膨胀/腐蚀演示（固定核大小21×21）
kernel = cv.getStructuringElement(cv.MORPH_RECT, (21, 21))
eroded_fixed = cv.erode(src, kernel)    # 固定核腐蚀
dilated = cv.dilate(src, kernel)        # 固定核膨胀
cv.imshow('dilated_image', dilated)     # 显示膨胀结果
cv.waitKey(0)
cv.destroyWindow('dilated_image')

# 5. 滑块动态调节腐蚀核
cv.namedWindow('outimage')
# 创建滑块：名称、绑定窗口、初始值、最大值、回调函数
cv.createTrackbar('erode', 'outimage', 2, 21, eroded)
eroded(A)  # 初始化腐蚀图像

# 6. 循环显示动态调整效果
while True:
    cv.imshow('outimage', erodeds)
    # 按键中断（任意键按下退出）
    if cv.waitKey(50) > 0:
        break

cv.destroyAllWindows()

关键知识点解析

形态学操作核心：
- 腐蚀（erode）：收缩图像高亮区域，可消除小的白色噪点；
- 膨胀（dilate）：扩张图像高亮区域，可填补小的黑色孔洞；
- 结构元素（kernel）：cv.getStructuringElement(MORPH_RECT, (size, size)) 创建矩形核，size 需为奇数。
滑块交互关键：
- 滑块回调函数参数为当前滑块值，自动传递无需手动传参；
- 全局变量erodeds存储处理后图像，保证循环显示时数据更新；
- 补充核大小奇偶校验，避免偶数核导致的操作异常。
原代码优化点：
- 修复滑块初始值为偶数时核大小异常问题；
- 拆分固定核演示与滑块调节逻辑，避免窗口显示冲突；
- 补全图像初始化，防止首次显示空值。

总结

膨胀 / 腐蚀的核心是结构元素（核），核越大操作效果越明显；
滑块可动态调节核大小，大幅提升形态学操作的调试效率；
形态学操作核大小必须为奇数，实际使用中需做奇偶校验。