OpenCV 形态学操作
# 图像膨胀(扩大白色区域/边缘)
# 参数1: 输入图像(通常是边缘检测结果)
# 参数2: 结构元素(核矩阵)
# 参数3: iterations: 膨胀操作次数
# 核矩阵选项:
# - 自定义核: cv.getStructuringElement(shape, size)
# - 常用形状:
# cv.MORPH_RECT(矩形),
# cv.MORPH_ELLIPSE(椭圆),
# cv.MORPH_CROSS(十字形)
kernel = cv.getStructuringElement(cv.MORPH_RECT, (7,7))
dilated = cv.dilate(canny, kernel, iterations=3)
cv.imshow('Dilated', dilated)# 图像腐蚀(缩小白色区域/边缘)
# 参数与膨胀相同，但效果相反
# 常与膨胀配合使用(开运算=先腐蚀后膨胀，闭运算=先膨胀后腐蚀)
eroded = cv.erode(dilated, (7,7), iterations=3)
cv.imshow('Eroded', eroded)
膨胀与腐蚀操作参数对比总结
| 参数/属性 | 膨胀 (cv2.dilate) | 腐蚀 (cv2.erode) |
|---|---|---|
| 核心功能 | 扩展图像中的白色区域（前景） | 缩小图像中的白色区域（前景） |
| 工作原理 | 用核覆盖区域内的最大像素值替换中心像素值 | 用核覆盖区域内的最小像素值替换中心像素值 |
| 关键参数 | ||
| - 输入图像 | 二值图像（如Canny边缘结果） | 同膨胀 |
- 核 (kernel) | 结构元素（核矩阵），支持形状： • cv2.MORPH_RECT（矩形）• cv2.MORPH_ELLIPSE（椭圆）• cv2.MORPH_CROSS（十字形） | 同膨胀 |
- 迭代次数 (iterations) | 值越大，白色区域扩展越显著 | 值越大，白色区域缩减越显著 |
| 核尺寸影响 | 核尺寸越大（如(7,7)），效果越强但计算量增加 | 同膨胀 |
| 典型效果 | 填补空洞、连接断裂边缘、增大目标尺寸 | 去除噪点、分离粘连物体、细化边缘 |
| 组合应用 | 闭运算：先膨胀后腐蚀 → 填充小孔洞 | 开运算：先腐蚀后膨胀 → 去除小噪点 |
| 形态学梯度 | 梯度 = 膨胀结果 - 腐蚀结果 → 突出目标轮廓 | 同左侧计算逻辑 |