如何用OpenCV实现与SciPy效果一致的灰度形态学膨胀？

云上老周

2026-5-7

如何让OpenCV实现与SciPy一致的灰度形态学膨胀

当然可以用OpenCV实现和SciPy一样的灰度膨胀效果！你的问题出在两个容易忽略的细节上：OpenCV默认的形态学行为是针对平坦结构元素的，而且边界处理模式和SciPy不同。

下面是具体的解决方法和修改后的代码：

关键调整点

启用非平坦结构元素支持：OpenCV的cv2.dilate默认会把uint8类型的核当成"平坦结构元素"——也就是只关心核里哪些位置是非零的，完全忽略核的具体数值，只取邻域内图像像素的最大值。要让它像SciPy那样计算「图像像素+核对应像素」的最大值，需要把图像和核都转换为浮点类型（比如float32），这样OpenCV才会启用非平坦形态学操作逻辑。
对齐边界处理模式：SciPy的grey_dilation默认用mode='reflect'（边界反射填充），而OpenCV默认用BORDER_CONSTANT（0填充）。这会导致边缘区域的结果差异很大，所以需要在cv2.dilate里显式指定borderType=cv2.BORDER_REFLECT来匹配SciPy的行为。

修改后的可复现代码

import cv2
import scipy.ndimage
import numpy as np

print('start test')
image = np.array([
    [0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0],
    [0, 0, 25, 0, 0],
    [0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0]
])
Kernel = np.array([
    [0, 1, 0],
    [1, 1, 1],
    [0, 1, 5]
], dtype=np.float32)

print('input')
print(image)

# 转换为浮点类型，启用非平坦形态学操作
image_float = image.astype(np.float32)

# 使用反射边界匹配SciPy默认行为
output_opencv = cv2.dilate(image_float, Kernel, borderType=cv2.BORDER_REFLECT)
print('OpenCV')
print(output_opencv.astype(np.int32))  # 转整数方便对比

output_scipy = scipy.ndimage.grey_dilation(image, structure=Kernel)
print('Scipy')
print(output_scipy)
print('end test')