Day29-影像侵蚀

上章我们在进行图像轮廓增强的处理时，有用到影像膨胀函数cv2.dilate，但那时候只是稍微带过，读者们可能不太明白cv2.dilate的参数设置。

本来应该补充说明的，但为了方便大家理解，在介绍cv2.dilate之前，我们要先来讲讲和膨胀函数的功能相反的函数cv2.erode。

cv2.erode

cv2.erode是一个影像侵蚀函数，光听名字就知道功能和cv2.dilate完全相反。cv2.erode只能用於经过二值化运算的灰阶图片，可起到图片去噪、细化影像和消除毛刺的作用。

而既然需要用到二值化图片，那我们就沿用前两章的程序码：

import cv2
import numpy as np

cap = cv2.VideoCapture(0)

img1 = cap.read()[1]
img2 = cap.read()[1]

# 彩色图转灰阶图
gray1 = cv2.cvtColor(t0, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(t1, cv2.COLOR_BGR2GRAY)

# 高斯模糊化处理
blur1 = cv2.GaussianBlur(grey1,(5,5),0)
blur2 = cv2.GaussianBlur(grey2,(5,5),0)

result = cv2.absdiff(blur1, blur2)

# 二值化处理
ret, th = cv2.threshold(result, 15, 255, cv2.THRESH_BINARY)

我们在底下加上一行：

erosion = cv2.erode(th, (3,3), iterations = 1)

cv2.erode的第一个参数为二值化的影像，所以我们直接带入变数th。

第二个参数为使用的卷积kernel——影像侵蚀的原理是透过卷积核心沿着图片滚动并计算元素值，如果卷积核心范围内的元素值都是1(即白色)，那麽重新赋予的元素值就保持原来的值。反之如果核心范围内的元素值不全为1，重新赋予的元素值为0(即黑色)，这表示卷积核心经过的所有像素如果不是全白都会被腐蚀或侵蚀掉(变为0)。

卷积核心的大小通常设定为奇数，如上面程序码设定的3x3，也可以等差设定上去，如5x5、7x7、9x9，核心越大侵蚀的范围也会越大。

第三个参数为迭代次数，通常预设为1，不用特别去动它。

把erosion变数印出来看看，会看到轮廓比起原图更加纤细，而且背景的细小毛点被除去了很多！