语言：python+opencv

为什么使用图像腐蚀和图像膨胀

如图，使用图像腐蚀进行去噪，但是为压缩噪声。
对腐蚀过的图像，进行膨胀处理，可以去除噪声，并保持原样形状。

图像腐蚀

腐蚀主要针对的是二值图像，如只有0和1两个值，
两个输入对象：1原始二值图像，2卷积核
使用卷积核遍历原始二值图像，如果卷积核对应的元素值均为1，其值才为1，否则为0。如图，红色为卷积核。

腐蚀后的结果示意图见下面，效果是将边缘抹掉一部分。

使用方法：erode 中文翻译：侵蚀

处理结果=cv2.erode(原始图像src,卷积核kernel,迭代次数iterations)

卷积核kernel：一般为正方形数组

如：k=np.ones((5,5),np.uint8)

迭代次数iterations：腐蚀次数，默认1

import cv2
import numpy as np
o=cv2.imread("erode.bmp",cv2.IMREAD_UNCHANGED)
k=np.ones((5,5),np.uint8)
r=cv2.erode(o,k,iterations=10)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

图像膨胀

图像腐蚀的逆操作。
针对的是二值图像
输入两个参数：二值图像，卷积核。

使用卷积核对二值图像进行遍历，卷积核对应的图像像素点只要有一个为1，则值为1，否则为0.

使用方法：dilate
结果=cv2.dilate(二值图像src,卷积核k,迭代次数itreations)
卷积核 正方形数组：如np.ones((5,5),np.uint8)

import cv2
import numpy as np
o=cv2.imread("dilation.bmp",cv2.IMREAD_UNCHANGED)
k=np.ones((5,5),np.uint8)
r=cv2.dilate(o,k,iterations=1)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()