【1】引言

前序学习进程中，先后了解了使用cv2.erode()函数和cv2.dilate()函数实现图像腐蚀和膨胀处理的效果，相关文章链接为：

python学opencv|读取图像（五十八）使用cv2.erode()函数实现图像腐蚀处理-CSDN博客

python学opencv|读取图像（五十九）使用cv2.dilate()函数实现图像膨胀处理-CSDN博客

不难看出，这两种图像处理方法其实是反着来的，腐蚀会削减一些像素，膨胀会填充一些像素，如果先腐蚀后膨胀，图像也许会有新的效果，这就是本次学习的目标。

【2】代码测试

先腐蚀后膨胀的代码设计非常简单，这里直接给出完整代码：

import cv2 as cv  # 引入CV模块
import numpy as np  # 引入numpy模块# 定义核
k = np.zeros((3, 3), np.uint8)  # 定义核
k1 = np.ones((5, 5), np.uint8)  # 定义核
k2 = np.ones((7, 7), np.uint8)  # 定义核# 读取图片
srcm = cv.imread('srcck.png')  # 读取图像srcck.png# 腐蚀计算
dst = cv.erode(srcm, k)  # 图像取平均值，像素核大小为(3,3)
dst1 = cv.erode(srcm, k1)  # 图像取平均值，像素核大小为(3,3)
dst2 = cv.erode(srcm, k2)  # 图像取平均值，像素核大小为(3,3)
dstpz1 = cv.dilate(dst, k) #图像膨胀运算，膨胀核大小为(3,3)
dstpz2 = cv.dilate(dst1, k1) #图像膨胀运算，膨胀核大小为(3,3)
dstpz3 = cv.dilate(dst2, k2) #图像膨胀运算，膨胀核大小为(3,3)
# 显示结果
cv.imshow('srcm ', srcm)
cv.imshow('dstpz1', dstpz1)
cv.imwrite('dstpz1.png', dstpz1)
cv.imshow('dstpz2 ', dstpz2)
cv.imwrite('dstpz2.png', dstpz2)
cv.imshow('dstpz3 ', dstpz3)
cv.imwrite('dstpz3.png', dstpz3)# 窗口控制
cv.waitKey()  # 图像不关闭
cv.destroyAllWindows()  # 释放所有窗口

由于腐蚀和膨胀都需要一个核，所以在引入必要模块后，定义了核：

# 定义核
k = np.zeros((3, 3), np.uint8)  # 定义核
k1 = np.ones((5, 5), np.uint8)  # 定义核
k2 = np.ones((7, 7), np.uint8)  # 定义核

之后按照先腐蚀后膨胀的顺序，对图片依次处理： 

# 腐蚀和膨胀计算
dst = cv.erode(srcm, k)  # 图像取平均值，像素核大小为(3,3)
dst1 = cv.erode(srcm, k1)  # 图像取平均值，像素核大小为(5,5)
dst2 = cv.erode(srcm, k2)  # 图像取平均值，像素核大小为(7,7)
dstpz1 = cv.dilate(dst, k) #图像膨胀运算，膨胀核大小为(3,3)
dstpz2 = cv.dilate(dst1, k1) #图像膨胀运算，膨胀核大小为(5,5)
dstpz3 = cv.dilate(dst2, k2) #图像膨胀运算，膨胀核大小为(7,7)

代码运行相关的图像有：

图1 初始图像srcck.png

图2 先腐蚀后膨胀图像dstpz1.png

图3 先腐蚀后膨胀图像dstpz2.png

图4 先腐蚀后膨胀图像dstpz3.png

由图2至图4可知，随之先腐蚀后膨胀图像操作核的扩大，图像也越来越趋向于模糊，不过中央的主体形象得到很好的保留，周围的细节被逐渐放弃。

如果想进一步测试，比如增强膨胀的效果，就可以把膨胀核变小，比如修改第三章图像膨胀核大小为：

dstpz3 = cv.dilate(dst2, k) #图像膨胀运算，膨胀核大小为(7,7)

此时代码运行后获得的图像为：

图5 先腐蚀后膨胀图像dstpz3.png-膨胀作用凸显

由图5可知，减小膨胀核后，膨胀作用凸显，人物形象虽然模糊，但轮廓显著放大。

【3】总结

使用python+opencv检验了对图像先后使用cv2.erode()函数和cv2.dilate()函数进行先腐蚀后膨胀操作的效果。