膨胀-dilate.md

膨胀(dilate)

膨胀是势如破竹的秦国

膨胀与腐蚀其实刚好是一对相反的操作.

膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。可以用来填补物体中的空洞。

具体运算过程

假如我们使用的是3*3 的核(有时也被称之为结构元素). 用核与其覆盖的二值图像做或 or操作

如果周边与其自身任意一个点为1，结果图像的该像素为1, 否则为0。

直观效果, 就是图像向外扩增一圈(变得丰满了).

膨胀我们要使用dilate 函数.

# 膨胀
erorsion_img = cv2.dilate(img, kernel, iterations=1)

因为操作都类似, 这里我们从简,不做过多讲解,还是以源码阅读为主.

源代码 CH4.5_dilate.py

'''
    数学形态学 膨胀 dilate
'''
import cv2
import numpy as np

# 读入灰度图
img = cv2.imread("dao-bin.png", flags=cv2.IMREAD_GRAYSCALE)

# 创建 核
kernel = np.ones((5,5), np.uint8)
# 膨胀
dilate_img = cv2.dilate(img, kernel, iterations=1)

cv2.imwrite('dao_dilate_k5.png', np.hstack((img, dilate_img)))

迭代次数1

原来稀疏的笔触都被白色(逻辑1, 实际值为255)填满(或者说他们联合起来了).

整体变得丰满. 原来白色区域中的小黑点也不见了.

迭代次数5

迭代次数10

随着迭代次数的增多,白色区域逐渐膨大, 内部的黑色孤岛被慢慢吞噬. 最终形成一个完整的, 连通的区域.

这就像发家时候的秦国, 扫灭六国, 完成国家的大一统.