作者：FPGA入门到精通
图像膨胀算法是形态学图像处理中的一种基本操作，类似于“领域被扩张”的过程，与图像腐蚀相反。
这种操作可以将图像中的前景色进行扩张，其运行结果比原图的区域更大，适用于二值化图像。
本文介绍一下图像膨胀算法的基本原理、Python实现以及FPGA实现。
老规矩：源码在文章末尾
一、图像膨胀算法
1、基本原理
膨胀的运算符号是“⊕”，其运算规则是：A⊕B={x∣Bx∩A≠∅}，该公式表示图像A用卷积模板B来进行膨胀处理。
注意这里要区分，不然分不清楚图像腐蚀和图像膨胀：
一幅二值图像的前景色和背景色，前景色可以是黑色，对应背景色是白色，前景色也可以是白色，对应背景色是黑色，图像膨胀和图像腐蚀处理的是前景色，也就是前景色会扩张或缩小。
这里给一个通俗点的膨胀过程解释：
（1）在执行膨胀操作时，我们通常选择一个小的结构元素（例如3x3或5x5的窗口），然后遍历整个图像。
（2）对于图像中的每一个像素点，对应结构元素的中心点。
（3）如果白色是前景，黑色是背景，那么膨胀操作时，检查原图像与结构元素覆盖区域中所有像素点，如果覆盖区域中有前景色白色像素点，则将这个中心点像素填入白色，这样就会图形边界会扩张，只有覆盖区域所有像素点的都是背景色黑色，才能保持这个像素的黑色值。
如果黑色是前景，白色是背景，那么膨胀操作时，检查原图像与结构元素覆盖区域中所有像素点，如果覆盖区域中有前景色黑色像素点，则将这个中心点像素填入黑色，这样就会图形边界会扩张，只有覆盖区域所有像素点的都是背景色白色，才能保持这个像素的白色值。
B结构元素是3*3窗口，示例如下：
红色框中的为中心点，值为1的表示结构元素的有效覆盖区域，为0表示不需要考虑的点。
通过上面这个分析解释，相信大家应该很容理解图像膨胀了。
2、应用场景
膨胀操作通常用来填补目标区域中的某些空洞、扩大物体的边界等。
填补空洞：图像中可能存在一些空洞区域，膨胀操作可以帮助我们填补这些区域，使得物体的边界更加完整。这种方法在图像分割、边缘检测和形状分析等任务中非常有用。
连接相邻元素：在图像中，可能存在一些断裂的线段或者区域。通过膨胀操作，可以扩大这些元素的边界，使得断裂的部分连接在一起，从而实现图像的修复。
二、Python实现
1、图像膨胀函数
dst = cv2.dilate（src,kernel,anchor,iterations）
函数参数说明：
（1）dst，目标图像
（2）src，原图像
（3）kernel，腐蚀操作的结构元素，默认为一个简单的 3x3 矩
（4）anchor，默认为Point(-1,-1)，结构元素中心点，可以忽略
（5）iterations，迭代次数，默认值1
注意：opencv中默认图像的背景色是黑色
2、实现代码
import cv2import numpy as np
img = cv2.imread('1280_720.bmp')
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, img = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
erode_img = cv2.dilate(img, kernel=np.ones((2, 2), np.uint8), iterations=3)
cv2.namedWindow("orignal", 0)cv2.resizeWindow("orignal", 300, 180) # 设置窗口大小cv2.namedWindow("erode", 0)cv2.resizeWindow("erode", 300, 180) # 设置窗口大小cv2.imshow('orignal', img)cv2.imshow('erode', erode_img)
cv2.waitKey(0)cv2.destroyAllWindows()
3、运行结果
背景色是黑色，前景色是白色，从图中可以看出，图像膨胀后的图像，白色区域有扩张，黑色区域有明显减少。
三、FPGA实现
1、实现逻辑分析
图像膨胀的实现，需要多个算法模块才能实现，包括灰度二值化、3行缓存、图像膨胀算法模块。
大家可以将前面学习的算法模块，拿过来串联一起就行，可以实现流水线式的图像处理。
我这里按照二值化图像一般认为黑色是前景色，白色是背景色来处理。
这里分析一下图像膨胀模块的实现关键逻辑：
图像膨胀采用模版1的结构化系数模版，那就可以简单理解为，只有3*3窗口中所有像素值都是255时，才能将当前像素值为255输出，其余全部为0，这样前景色黑色区域就扩张了。
2、FPGA实现关键源码
module image_dilate(
input wire clk,
input wire reset,
input wire valid_i,
input wire [23:0] last_line_data,
input wire [23:0] cur_line_data,
input wire [23:0] next_line_data,
output reg valid_o,
output reg [23:0] img_data_o
);
//常量声明
parameter N = 3; //窗口大小
//结构系数模版为{1,1,1,1,1,1,1,1,1}
//变量声明
reg valid_d1;
reg [23:0] last_line_data_d1, last_line_data_d2;
reg [23:0] cur_line_data_d1, cur_line_data_d2;
reg [23:0] next_line_data_d1, next_line_data_d2;
//中心点位置，为cur_line_data_d1
always@(posedge clk or posedge reset) begin
if(reset) begin
valid_d1 <= 0;
{last_line_data_d1, last_line_data_d2} <= 0;
{cur_line_data_d1, cur_line_data_d2} <= 0;
{next_line_data_d1, next_line_data_d2} <= 0;
end else begin
valid_d1 <= valid_i;
last_line_data_d1 <= last_line_data;
last_line_data_d2 <= last_line_data_d1;
cur_line_data_d1 <= cur_line_data;
cur_line_data_d2 <= cur_line_data_d1;
next_line_data_d1 <= next_line_data;
next_line_data_d2 <= next_line_data;
end
end
//模板窗口范围内判断，选出最小值
//简单理解也就是，3*3窗口中所有像素值都是255时，才能将当前像素值为255输出
always@(posedge clk or posedge reset) begin
if(reset) begin
valid_o <= 0;
img_data_o <= 0;
end else if(valid_d1) begin
if({last_line_data_d2, last_line_data_d1, last_line_data,
cur_line_data_d2, cur_line_data_d1, cur_line_data,
next_line_data_d2, next_line_data_d1, next_line_data} == {27{8'd255}}) begin
img_data_o <= cur_line_data_d1;
end else begin
img_data_o <= 0;
end
valid_o <= 1'b1;
end else begin
valid_o <= 0;
img_data_o <= 0;
end
end
endmodule3、仿真测试结果图
文章来源：FPGA入门到精通