《OpenCV轻松入门：面向Python》读书笔记
作者：李立宗
出版社：电子工业出版社
出版时间：2019-05

第8章 形态学操作

8.2 膨胀

8.2.1 定义

  膨胀操作是形态学中另外一种基本的操作。膨胀操作和腐蚀操作的作用是相反的，膨胀操作能对图像的边界进行扩张。膨胀操作将与当前对象（前景）接触到的背景点合并到当前对象内，从而实现将图像的边界点向外扩张。如果图像内两个对象的距离较近，那么在膨胀的过程中，两个对象可能会连通在一起。膨胀操作对填补图像分割后图像内所存在的空白相当有帮助。二值图像的膨胀示例如图8-8所示。

图8-8 二值图像膨胀效果

同腐蚀过程一样，在膨胀过程中，也是使用一个结构元来逐个像素地扫描要被膨胀的图像，并根据结构元和待膨胀图像的关系来确定膨胀结果。

8.2.2 函数

在OpenCV内，采用函数cv2.dilate()实现对图像的膨胀操作，该函数的语法结构为：

dst=cv2.dilate(src,kernel)

8.2.3 程序示例

【例8.5】使用函数cv2.dilate()完成图像膨胀操作。

import cv2
import numpy as np
o=cv2.imread("dilation.bmp",cv2.IMREAD_UNCHANGED)
kernel = np.ones((9,9),np.uint8)
dilation = cv2.dilate(o,kernel)
cv2.imshow("original",o)
cv2.imshow("dilation",dilation)
cv2.waitKey()
cv2.destroyAllWindows()

8.2.4 结果

  在本例中，使用语句kernel=np.ones((9,9), np.uint8)生成9×9的核，来对原始图像进行膨胀操作。
  运行程序，结果如图8-12所示。其中，左图是原始图像，右图是膨胀处理结果。从图中可以看到，膨胀操作将原始图像“变粗”了。

图8-12 【例8.5】对应的膨胀结果