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

【1】引言

前序学习过程中，已经掌握了对图像的阈值处理、按位叠加、滤波操作等技巧，相关文章链接包括且不限于：

python学opencv|读取图像（五十）使用addWeighted()函数实现图像加权叠加效果-CSDN博客

python学opencv|读取图像（四十五）增加掩模：使用cv2.bitwise_and()函数实现图像按位与运算-CSDN博客

python学opencv|读取图像（三十八）阈值自适应处理_python opencv 自适应-CSDN博客

这些处理本质上都是在对图像的BGR值进行调整，不会造成图像基本轮廓的改变。

在此基础上，可以开始探索对图像有一些改变的处理方法，这就是本次文章的学习目标：腐蚀。

图像腐蚀调用的函数为cv2.erode()。

【2】官网教程

点击下方链接，直达cv2.erode()函数的官网教程：

OpenCV: Image Filtering

官网对cv2.erode()函数的解释为：

图1 官网对cv2.erode()函数的解释

相应的，官网中cv2.erode()函数的参数为：

void cv::erode     (

        InputArray     src,           #输入图像
        OutputArray     dst,        #输出图像
        InputArray     kernel,     #腐蚀核
        Point     anchor = Point(-1,-1),   #腐蚀核锚点，可选参数
        int     iterations = 1,                  #腐蚀迭代次数，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

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

python">import cv2 as cv  # 引入CV模块
import numpy as np #引入numpy模块

之后先定义腐蚀核：

python">#定义腐蚀核
k=np.ones((3,3),np.uint8) #定义腐蚀核
k1=np.ones((5,5),np.uint8) #定义腐蚀核
k2=np.ones((7,7),np.uint8) #定义腐蚀核

然后引入图像，开始腐蚀计算：

python"># 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)

然后显示和保存图像：

python"># 显示结果
cv.imshow('srcm ', srcm)
cv.imshow('dst ', dst)
cv.imwrite('dst.png',dst)
cv.imshow('dst1 ', dst1)
cv.imwrite('dst1.png',dst1)
cv.imshow('dst2 ', dst2)
cv.imwrite('dst2.png',dst2)# 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 腐蚀图像dst.png

图4 腐蚀图像dst1.png

图5 腐蚀图像dst2.png

由图2到图5可知，调用cv2.erode()函数进行图像腐蚀处理后，腐蚀核越大，腐蚀效果越好，图像越模糊。

此时的完整代码为：

python">import cv2 as cv  # 引入CV模块
import numpy as np #引入numpy模块#定义腐蚀核
k=np.ones((3,3),np.uint8) #定义腐蚀核
k1=np.ones((5,5),np.uint8) #定义腐蚀核
k2=np.ones((7,7),np.uint8) #定义腐蚀核# 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)
# 显示结果
cv.imshow('srcm ', srcm)
cv.imshow('dst ', dst)
cv.imwrite('dst.png',dst)
cv.imshow('dst1 ', dst1)
cv.imwrite('dst1.png',dst1)
cv.imshow('dst2 ', dst2)
cv.imwrite('dst2.png',dst2)# 窗口控制
cv.waitKey()  # 图像不关闭
cv.destroyAllWindows()  # 释放所有窗口