OpenCV与Python实现图像膨胀和腐蚀详解

拾光

发布时间：2026-10-15| 5人浏览过

原创

本文介绍利用OpenCV和Python进行图像形态学处理的方法，重点解析膨胀与腐蚀的原理。通过3x3内核示例说明像素极值提取过程，并指出操作针对高亮区域。附带完整Python代码，展示如何使用cv2.getStructuringElement定义结构元素，结合cv.threshold进行二值化后执行腐蚀和膨胀操作，实现图像区域的扩张或收缩效果。

1，概念及原理：

膨胀（Dilation）操作涉及以下步骤：（1）使用任意形状的内核（B），通常为正方形或圆形，对图像A进行卷积运算。（2）内核B包含一个可定义的锚点，一般位于内核中心。（3）执行膨胀时，内核B在图像A上滑动，提取被内核覆盖区域内的最大像素值，并用该值替换锚点位置的像素。这种最大化操作使得图像中的亮区向外“扩展”，从而得名膨胀（dilation）。

以3*3的内核为例：

腐蚀（Erosion）是膨胀的对应操作：（1）在形态学操作家族中，腐蚀被视为膨胀的孪生操作，它提取的是内核覆盖下的最小像素值。（2）执行腐蚀时，将内核B在图像上滑动，提取被内核覆盖区域内的最小像素值，并用该值替换锚点位置的像素。

需要注意的是：腐蚀和膨胀操作针对的是图像中的白色部分（即高亮部分），而非黑色背景。膨胀会使图像中的高亮区域向外扩张，导致效果图的高亮区域比原图更大；腐蚀则使原图中的高亮区域向内收缩，导致效果图的高亮区域比原图更小。

源代码：


import cv2 as cv
import numpy as np


def erode_demo(image):
  # print(image.shape)
  gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
  ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
  #cv.imshow("binary", binary)
  kernel = cv.getStructuringElement(cv.MORPH_RECT, (15, 15))#定义结构元素的形状和大小
  dst = cv.erode(binary, kernel)#腐蚀操作
  cv.imshow("erode_demo", dst)


def dilate_demo(image):
  #print(image.shape)
  gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
  ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
  #cv.imshow("binary", binary)
  kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))#定义结构元素的形状和大小
  dst = cv.dilate(binary, kernel)#膨胀操作
  cv.imshow("dilate_demo", dst)



src = cv.imread("F:/images/test01.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
erode_demo(src)
dilate_demo(src)

cv.waitKey(0)

cv.destroyAllWindows()

运行结果：