如何使用Python仅对图像中的粗线条应用腐蚀（Erosion）操作

要实现只腐蚀粗线条、保留细线条的效果，核心思路是先分离出细线条，单独处理粗线条后再合并回去，具体步骤如下：

• 提取细线条：用小尺寸结构元素做开运算，开运算会移除细线条，再用原图减去开运算结果，就能得到纯细线条区域
• 分离粗线条：用原图减去细线条，得到仅包含粗线条的图像
• 腐蚀粗线条：对粗线条图像执行腐蚀操作
• 合并结果：将腐蚀后的粗线条和保留的细线条相加，得到最终图像

完整代码实现：

import cv2
import numpy as np

# 读取灰度图像
img = cv2.imread('123.png', 0)
# 自适应二值化，确保线条为白色、背景为黑色，可根据实际图像调整阈值
_, binary_img = cv2.threshold(
    img, 
    127, 
    255, 
    cv2.THRESH_BINARY_INV if np.mean(img) > 127 else cv2.THRESH_BINARY
)

# 步骤1：提取细线条
small_kernel = np.ones((2, 2), np.uint8)
opened = cv2.morphologyEx(binary_img, cv2.MORPH_OPEN, small_kernel)
thin_lines = cv2.subtract(binary_img, opened)

# 步骤2：分离粗线条
thick_lines = cv2.subtract(binary_img, thin_lines)

# 步骤3：腐蚀粗线条（沿用你原有的核参数）
erosion_kernel = np.ones((6, 6), np.uint8)
eroded_thick = cv2.erode(thick_lines, erosion_kernel, iterations=1)

# 步骤4：合并细线条与腐蚀后的粗线条
result = cv2.add(thin_lines, eroded_thick)

# 展示结果
cv2.imshow("Original", binary_img)
cv2.imshow("Result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键说明： #

1. 二值化适配：自动判断背景明暗来选择二值化模式，避免线条和背景颠倒的问题，你可以根据自己的图像调整阈值参数
2. 细线条提取：(2,2)的小核刚好能过滤掉细线条，若你的细线条更粗/更细，可微调核的尺寸
3. 腐蚀参数：保留了你原有的(6,6)核和迭代次数，可根据粗线条需要腐蚀的程度自行调整

内容的提问来源于stack exchange，提问作者Nivetha Rajendran