上章我們在進行圖像輪廓增強的處理時，有用到影像膨脹函數cv2.dilate，但那時候只是稍微帶過，讀者們可能不太明白cv2.dilate的參數設置。

本來應該補充說明的，但為了方便大家理解，在介紹cv2.dilate之前，我們要先來講講和膨脹函數的功能相反的函數cv2.erode。

cv2.erode

cv2.erode是一個影像侵蝕函數，光聽名字就知道功能和cv2.dilate完全相反。cv2.erode只能用於經過二值化運算的灰階圖片，可起到圖片去噪、細化影像和消除毛刺的作用。

而既然需要用到二值化圖片，那我們就沿用前兩章的程式碼：

import cv2
import numpy as np

cap = cv2.VideoCapture(0)

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

# 彩色圖轉灰階圖
gray1 = cv2.cvtColor(t0, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(t1, cv2.COLOR_BGR2GRAY)

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

result = cv2.absdiff(blur1, blur2)

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

我們在底下加上一行：

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

cv2.erode的第一個參數為二值化的影像，所以我們直接帶入變數th。

第二個參數為使用的卷積kernel——影像侵蝕的原理是透過卷積核心沿著圖片滾動並計算元素值，如果卷積核心範圍內的元素值都是1(即白色)，那麼重新賦予的元素值就保持原來的值。反之如果核心範圍內的元素值不全為1，重新賦予的元素值為0(即黑色)，這表示卷積核心經過的所有像素如果不是全白都會被腐蝕或侵蝕掉(變為0)。

卷積核心的大小通常設定為奇數，如上面程式碼設定的3x3，也可以等差設定上去，如5x5、7x7、9x9，核心越大侵蝕的範圍也會越大。

第三個參數為迭代次數，通常預設為1，不用特別去動它。

把erosion變數印出來看看，會看到輪廓比起原圖更加纖細，而且背景的細小毛點被除去了很多！