在OpenCV中，图像腐蚀（Erosion）和膨胀（Dilation）是常用的图像形态学操作。它们可以用于去除噪声、填充空洞、提取图像中的结构等。下面是几种常见的腐蚀和膨胀操作：

 腐蚀操作： 图像腐蚀可以通过函数cv2.erode()来实现。腐蚀操作会使图像中的物体边界收缩，并尽量保持物体的整体形状。

示例代码：

import cv2
import numpy as np

# 读取图像
image = cv2.imread('image.jpg')

# 定义腐蚀核大小
kernel_size = (5, 5)

# 进行腐蚀操作
eroded_image = cv2.erode(image, kernel_size, iterations=1)

# 显示腐蚀后的图像
cv2.imshow('Eroded Image', eroded_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

1. 膨胀操作： 图像膨胀可以通过函数cv2.dilate()来实现。膨胀操作会使图像中的物体边界膨胀，并尽量保持物体的整体形状。

示例代码：

import cv2
import numpy as np

# 读取图像
image = cv2.imread('image.jpg')

# 定义膨胀核大小
kernel_size = (5, 5)

# 进行膨胀操作
dilated_image = cv2.dilate(image, kernel_size, iterations=1)

# 显示膨胀后的图像
cv2.imshow('Dilated Image', dilated_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

1. 自定义核： 除了使用默认的矩形核外，还可以使用自定义的核进行腐蚀和膨胀操作。通过cv2.getStructuringElement()函数可以创建各种形状的核。

示例代码：

import cv2
import numpy as np

# 读取图像
image = cv2.imread('image.jpg')

# 创建自定义核
kernel = np.array([[0, 1, 0],
                   [1, 1, 1],
                   [0, 1, 0]], dtype=np.uint8)

# 进行腐蚀操作
eroded_image = cv2.erode(image, kernel, iterations=1)

# 进行膨胀操作
dilated_image = cv2.dilate(image, kernel, iterations=1)

# 显示腐蚀和膨胀后的图像
cv2.imshow('Eroded Image', eroded_image)
cv2.imshow('Dilated Image', dilated_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

以上是在OpenCV中常用的图像腐蚀和膨胀操作的介绍。根据具体的需求，可以选择适合的核大小和类型，以获得所需的效果。外网上资料太乱太杂，所以UP重新整理了一份500G的 人工智能 zi liao 包，内含：:深度学习神经网络+CV计算机视觉学习（两大框架pytorch/tensorflow+源码课件笔记）+NLP等+...v....❤公众，，，号：AI技术星球  回复暗号  123