前言：Hello大家好，我是小哥谈。腐蚀和膨胀是图像形态学中的两种核心操作，通过这两种操作可以清除或者强化图像中的细节。本节课就对OpenCV中的腐蚀和膨胀操作进行详细的介绍。🌈
前期回顾：
OpenCV基础知识（3）— 图像数字化基础（像素、色彩空间）
目录
🚀1.腐蚀
腐蚀操作可以让图像沿着自己的边界向内收缩。OpenCV通过“核”来实现收缩计算。“核”的英文名为kernel，在形态学中可以理解为“由n个像素组成的像素块”，像素块包含一个核心（核心通常在中央位置，也可以定义在其他位置）。像素块会在图像的边缘移动，在移动过程中，核会将图像边缘那些与核重合但又没有越过核心的像素点都抹除，就像削土豆皮一样，将图像一层一层地“削薄”。🌴
OpenCV将腐蚀操作封装成erode()方法，该方法的语法如下：
dst = cv2.erode(src,kernel,anchor,iterations,borderType,borderValue)参数说明：
src：原始图像
kernel：腐蚀使用的核
anchor：可选参数，核的锚点位置。
iterations：可选参数，腐蚀操作的迭代次数，默认值为1。
borderType：可选参数，边界样式，建议默认。
borderValue：可选参数，边界值，建议默认。
返回值说明：
dst：经过腐蚀之后的图像
在OpenCV做腐蚀或者其他形态学操作时，通常使用Numpy模块来创建核数组，例如：
import numpy as np
k = np.ones((5,5),np.uint8)这两行代码就是通过Numpy模块的ones()方法创建一个5行5列（简称5*5）、数字类型为无符号8位整数、每一个数字的值都是1的数组，这个数组就可以当做erode()方法的核参数。除了5×5的结构，还可以使用3×3、9×9、11×11等结构，行列数越大，计算出的效果就越粗糙，行列数越小，计算出的效果就越精细。🍁
案例：
使用3*3的核对仙人球图像进行腐蚀操作，可以将图像里的刺抹除掉，具体代码如下：
import cv2
import numpy as np
img = cv2.imread("cactus.jpg") # 读取原图
k = np.ones((3, 3), np.uint8) # 创建3*3的数组作为核
cv2.imshow("img", img) # 显示原图
dst = cv2.erode(img, k) # 腐蚀操作
cv2.imshow("dst", dst) # 显示腐蚀效果
cv2.waitKey() # 按下任何键盘按键后
cv2.destroyAllWindows() # 释放所有窗体运行效果如图所示：
🚀2.膨胀
膨胀操作与腐蚀操作正好相反，膨胀操作可以让图像沿着自己的边界向外扩张。图像经过膨胀操作之后，可以放大一些外部的细节。同样是通过核来计算，当核在图像的边缘移动时，核会将图像边缘填补新的像素，就像一面墙上反反复复地涂水泥，让墙变得越来越厚。🌴
OpenCV将膨胀操作封装成dilate()方法，该方法的语法如下：
dst = cv2.dilate(src,kernel,anchor,iterations,borderType,borderValue)参数说明：
src：原始图像
kernel：膨胀使用的核
anchor：可选参数，核的锚点位置。
iterations：可选参数，腐蚀操作的迭代次数，默认值为1。
borderType：可选参数，边界样式，建议默认。
borderValue：可选参数，边界值，建议默认。
返回值说明：
dst：经过膨胀之后的图像
案例：
近视眼由于聚焦不准，看东西都是放大并且模模糊糊的，利用膨胀操作可以将正常画面处理成近视眼看到的画面。采用9×9的数组作为核来进行膨胀操作。具体代码如下：
import cv2
import numpy as np
img = cv2.imread("sunset.jpg") # 读取原图
k = np.ones((9, 9), np.uint8) # 创建9*9的数组作为核
cv2.imshow("img", img) # 显示原图
dst = cv2.dilate(img, k) # 膨胀操作
cv2.imshow("dst", dst) # 显示膨胀效果
cv2.waitKey() # 按下任何键盘按键后
cv2.destroyAllWindows() # 释放所有窗体运行效果如图所示：
🚀3.总结
总结：♨️♨️♨️
腐蚀：图像向内收缩，消除外部细节。
膨胀：图像向外扩张，消除内部细节。
