OpenCV 形態學轉換：侵蝕（Erosion）介紹

形態學轉換是影像處理中根據影像形狀進行處理的技術，常用於去除雜訊、分離物體或分析形狀。侵蝕（Erosion）是形態學轉換中一個重要的操作，它的作用是縮小前景物體的範圍，使得物體的邊界變得更小。

侵蝕的原理

侵蝕通過一個稱為「核（kernel）」的小矩陣操作影像。核在影像上滑動，每次覆蓋影像的一部分，並根據核的形狀決定是否保留該區域的前景像素。當前景像素被核完全覆蓋時，它才會保留，否則會變為背景。這會導致前景區域縮小，邊緣變薄。這個過程可以用來去除細小的物體或分離接近的物體。

使用 OpenCV 進行侵蝕操作

在 OpenCV 中，可以使用 cv.erode() 函數來執行侵蝕操作。以下是一段使用侵蝕的範例程式碼，透過讀取影像，並對其進行侵蝕處理。

範例程式碼

import cv2
import numpy as np

# 讀取灰階影像
img = cv2.imread('j.png', cv2.IMREAD_GRAYSCALE)
assert img is not None, "file could not be read, check with os.path.exists()"

# 定義5x5的核
kernel = np.ones((5, 5), np.uint8)

# 進行侵蝕操作，執行一次迭代
erosion = cv2.erode(img, kernel, iterations=1)

# 顯示原始影像與侵蝕後的影像
cv2.imshow('Original Image', img)
cv2.imshow('Eroded Image', erosion)

cv2.waitKey(0)
cv2.destroyAllWindows()

程式碼說明

1. 讀取影像：使用 cv2.imread() 函數讀取一張名為 j.png 的影像，並將其轉換為灰階模式處理。
2. 核的定義：使用 np.ones() 建立一個 5x5 大小的核。這個核的每個元素都是 1，用來進行侵蝕操作。
3. 侵蝕操作：透過 cv2.erode() 函數，對影像進行侵蝕操作，並指定執行一次迭代。迭代次數決定侵蝕的強度，更多次數會使前景縮小得更快。
4. 顯示影像：使用 cv2.imshow() 分別顯示原始影像與侵蝕後的影像，讓我們能夠直觀地觀察侵蝕效果。

結果

圖一、侵蝕前(Original Image)

圖二、侵蝕後(Eroded Image)

侵蝕的應用

• 去除小物體：侵蝕可以有效地去除影像中的小噪點或細小的物體。
• 物體分離：在兩個接近的物體之間，侵蝕可以用來分離它們。
• 減少邊界細節：侵蝕常常用於削弱影像中細小的邊界，讓物體的輪廓更加明顯。

結論

侵蝕是形態學轉換中的重要技術，它通過縮小前景物體的邊界來處理影像，常用於雜訊去除和物體分離。透過 OpenCV 的 cv2.erode() 函數，我們可以輕鬆地實現這一功能。這在影像處理任務的預處理階段中非常有用，能夠讓我們更有效地處理影像。