語義分割任務中，如果預測結果中包含有孤立的噪點、孔洞，則可以使用腐蝕膨脹進行處理，提高分割效果。

            
              #定義輸入矩陣，結構核
import cv2 as cv
import numpy as np
input_data = np.array([[1,0,0,0,1],[0,1,1,1,0],[0,1,1,1,0],[0,1,1,1,0],[1,0,1,0,1]],dtype=np.uint8)
kernel = np.uint8(np.zeros((3,3)))
for i in range(3):
    kernel[1,i] = 1
    kernel[i,1] = 1
print('input data:')
print(input_data)
print('kernel:')
print(kernel)
            
          

首先看看輸入矩陣和結構核的結果，（1表示前景，0表示背景）

            
              input data:
[[1 0 0 0 1]
 [0 1 1 1 0]
 [0 1 1 1 0]
 [0 1 1 1 0]
 [1 0 1 0 1]]
kernel:
[[0 1 0]
 [1 1 1]
 [0 1 0]]

            
          

接下里進行腐蝕計算：接著上面的代碼

            
              erode = cv.erode(input_data, kernel)
print('erode result:')
print(erode)
            
          

結果如下：

            
              erode result:
[[0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 1 0 0]
 [0 0 1 0 0]
 [0 0 0 0 0]]
            
          

從結果中，可以推斷出，kernel類似于卷積一樣在輸入圖像上移動，從輸入數據的坐標(0,0)開始，kernel的中心與(0,0)重合，如果kernel中的1與它所覆蓋的區域的1完全重合時，才能把kernel中心與輸入相對應的坐標值賦值為1，否則為0。注意在計算過程中不改變原始數據，輸出矩陣為單獨的矩陣。下圖為計算過程的分析：

很明顯當結構核位于輸入數據邊緣時，只需考慮輸入數據內，結構核與輸入數據對應的部分的1是否重合，比如第一個數據，由于結構核的中心與輸入數據左上角重合，所以結構核只有4個值在輸入數據內，只考慮這4個值所對應的2x2的小矩陣即可，對比發現結構核是1 1 1 0，而輸入數據對應部分是1 0 0 1，結構核中的3個1并沒有和輸入數據對應部分的1完全重合，因此輸出矩陣的左上角輸出為0。整個輸入數據中只有兩處 ，使得結構核中的1與 輸入數據的1完全重合時才輸出為1，其余都輸出為0。

接下里計算膨脹計算：接著上面的代碼

            
              dilate = cv.dilate(input_data, kernel)
print('dilate result:')
print(dilate)
            
          

結果如下：

            
              dilate result:
[[1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]]
            
          

膨脹與腐蝕相反，只要kernel中的1有一個與輸入數據的1重合，則會把kernel中心與輸入對應的坐標處的值賦為1，否則為0。

接下來是閉操作：即先膨脹，然后對膨脹后的結果進行腐蝕

            
              closed = cv.morphologyEx(input_data,cv.MORPH_CLOSE, kernel)
print('closed result:')
print(closed)
            
          

結果如下：

            
              closed result:
[[1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]
 [1 1 1 1 1]]

            
          

由于膨脹之后的結果全是1，再進行腐蝕時，結果仍然全是1，對全為0的輸入數據做腐蝕時，輸出也全是0。

接下來是開操作：即先腐蝕 然后對腐蝕后的結果進行膨脹

            
              opened = cv.morphologyEx(input_data,cv.MORPH_OPEN, kernel)
print('opened result:')
print(opened)
            
          

結果如下：

            
              opened result:
[[0 0 0 0 0]
 [0 0 1 0 0]
 [0 1 1 1 0]
 [0 1 1 1 0]
 [0 0 1 0 0]]

            
          

?