1. 基础概念

• 腐蚀操作：形态学操作的一种，用于 缩小图像中前景（白色区域）并扩展背景（黑色区域）。

• 前景：二值图像中白色部分（像素值 255）

• 背景：黑色部分（像素值 0）

作用：

1. 去除小白点噪声

2. 分离相连的白色区域

3. 缩小前景对象，用于边界分析

4. 与膨胀组合 → 开运算、闭运算

---

2. 数学原理

腐蚀操作依赖一个 结构元素（Kernel / 卷积核）：

解释：

1. 卷积核覆盖图像中心像素

2. 取覆盖区域最小值作为中心像素的新值

3. 只要邻域内有黑色像素 → 中心像素变黑 → 白色区域缩小

可视化原理：

假设 3×3 核覆盖的区域：

[255, 255, 255]
[255,   0, 255]
[255, 255, 255]

• 最小值 = 0 → 中心像素更新为 0

• 白色区域被缩小，黑色区域扩展

---

3. 卷积核（结构元素）

核大小：

• 核越大 → 白色区域缩小越多

• 核越小 → 白色区域缩小幅度小

核形状：

• MORPH_RECT：矩形核，腐蚀均匀

• MORPH_ELLIPSE：椭圆核，边缘腐蚀圆润

• MORPH_CROSS：十字核，方向性腐蚀明显

创建方法：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))

---

4. OpenCV 实现

语法：

cv2.erode(src, kernel, iterations=1)

• src：输入图像（灰度或二值图像）

• kernel：卷积核

• iterations：腐蚀次数（次数越多，白色区域越小）

示例代码：

import cv2
import numpy as np

# 读取二值图像
img = cv2.imread("binary.png", 0)

# 创建卷积核
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))

# 腐蚀操作
eroded = cv2.erode(img, kernel, iterations=2)

# 显示结果
cv2.imshow("Original", img)
cv2.imshow("Eroded", eroded)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

5. 核心要点

1. 原理：取卷积核覆盖区域最小值 → 白色缩小、黑色扩展

2. 核大小与形状：决定腐蚀强度和方向

3. 迭代次数：控制腐蚀幅度

4. 应用组合：

   • 腐蚀 + 膨胀 → 开运算（去小白点噪声）、闭运算（连接断裂物体）

---

6. 练习任务

1. 使用不同大小卷积核（3×3、5×5、7×7）观察腐蚀效果。

2. 尝试不同形状卷积核（矩形、椭圆、十字）对比效果。

3. 调整 iterations 次数，观察白色区域缩小变化。

4. 与膨胀组合处理噪声图片，理解开运算和闭运算效果。

---

✅ 重点记忆

• 腐蚀 → 缩小前景（白色），扩展背景（黑色）

• 卷积核大小、形状、迭代次数 → 决定腐蚀强度

• 数学本质 → 每个像素取卷积核覆盖区域最小值