形态学操作—腐蚀

  图像形态学操作是一种用于处理图像的技术，腐蚀（Erosion）是其中之一，它可以使图像中的物体边缘变得模糊或缩小。腐蚀操作利用结构元素（Kernel）在图像上滑动，将该结构元素覆盖区域内的像素值更新为邻域内像素值的最小值。这样可以减少图像中物体边缘的尺寸，去除小的噪点或连接物体等。结构元素的大小和形状会影响腐蚀的效果，更大的结构元素会导致更明显的腐蚀效果，而不同形状的结构元素也会对腐蚀产生不同的影响。
  在数学上，腐蚀操作可以用数学形式表示为：
$$\text{Output}(x,y)=\underset{(s,t)\in \text{kernel}}{\min }\text{Input}(x+s,y+t)$$
  其中 $\text{Input}(x,y)$ 是原始图像在位置 $(x,y)$ 的像素值，$\text{Output}(x,y)$ 是腐蚀后的图像在位置 $(x,y)$ 的像素值。$(s,t)$ 是结构元素（Kernel）中的坐标。
适用场景：

• 去除小的噪点或细小的物体；
• 缩小物体的尺寸或断开连接的部分；
• 分割图像中的物体。
    下面是使用 Python 和 OpenCV 库进行腐蚀操作的示例代码：

import cv2
import numpy as np

def show_images(image):
    cv2.namedWindow('image',cv2.WINDOW_KEEPRATIO)
    cv2.imshow('image',image)
    cv2.waitKey()
    cv2.destroyAllWindows()

def Erosion(image):
    # 定义结构元素（这里使用一个 5x5 的正方形结构元素）
    kernel = np.ones((5, 5), np.uint8)
    # 进行腐蚀操作
    erosion = cv2.erode(image, kernel, iterations=1)
    return erosion

if __name__ == '__main__':
    # 读取图像
    img = cv2.imread('cat-dog.png', flags=0)
    re_img=Erosion(img)
    # top_row = np.hstack((img, re_img[0]))
    # bottom_row = np.hstack((re_img[1], re_img[2])) #水平
    # combined_img = np.vstack((img, re_img))# 垂直
    combined_img=np.hstack((img,re_img))
    show_images(combined_img)