Python OpenCV图像形态学处理：腐蚀与膨胀详解
发布时间：2026-10-12| 3人浏览过
本文详解Python中使用OpenCV进行图像形态学处理的方法，重点解析腐蚀（erode）与膨胀（dilate）两个核心操作。通过具体代码示例，展示如何定义卷积核、设置迭代次数，并对比处理前后图像线条粗细的变化，帮助开发者掌握基础图像增强与降噪技巧。
一、图像的腐蚀处理
1、原图
img = cv2.imread(r"C:\Users\admin\Desktop\hb.jpg")
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
首先观察原图，其周围存在多条白色直线。
2、进行腐蚀处理
实现腐蚀处理所采用的方法如下：
- cv2.erode(img,kernel,iterations=1)
- img：代表输入的原图像。
- kernel：指定卷积核的尺寸大小。
- iterations：设定腐蚀操作的迭代次数。
img = cv2.imread(r"C:\Users\admin\Desktop\hb.jpg")
kernel = np.ones((3, 3), np.uint8)
erosion = cv2.erode(img,kernel,iterations=1)
cv2.imshow('img', erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()
二、图像的膨胀处理
1、原图
img = cv2.imread(r"C:\Users\admin\Desktop\hb.jpg")
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
2、进行膨胀处理
实现膨胀处理所采用的方法如下：
- cv2.dilate(img,kernel,iterations=1)
- img：代表输入的原图像。
- kernel：指定卷积核的尺寸大小。
- iterations：设定膨胀操作的迭代次数。
kernel = np.ones((3, 3), np.uint8)
dilate = cv2.dilate(img,kernel,iterations=1)
cv2.imshow('img', dilate)
cv2.waitKey(0)
cv2.destroyAllWindows()执行后可观察到，处理后的线条相比原图明显变粗。
至此，关于Python中OpenCV图像腐蚀和膨胀处理的介绍已完毕。如需了解更多OpenCV图像腐蚀相关内容，建议搜索本站历史文章或继续浏览后续教程，感谢大家的支持！
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
