opencv-python 图像基础处理(三)
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了opencv-python 图像基础处理(三),小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1826字,纯文字阅读大概需要3分钟。
内容图文
腐蚀操作
# 腐蚀操作 import cv2 import numpy as np img=cv2.imread("d:/ke.png") kernel = np.ones((3,3),np.uint8) erosion = cv2.erode(img,kernel,iterations = 1)#腐蚀操作 iterations控制腐蚀程度 erosion1 = cv2.erode(img,kernel,iterations = 2) erosion2 = cv2.erode(img,kernel,iterations = 3) res=np.hstack((img,erosion,erosion1,erosion2)) cv2.imshow(‘erosion‘, res) cv2.waitKey(0) cv2.destroyAllWindows()
膨胀操作
import cv2 import numpy as np img=cv2.imread("d:/ke.png") kernel=np.ones((3,3),np.uint8) img_diate=cv2.dilate(img,kernel,iterations=1) #膨胀操作 img_diate1=cv2.dilate(img,kernel,iterations=2) img_diate2=cv2.dilate(img,kernel,iterations=3) res=np.hstack((img_diate,img_diate1,img_diate2)) #水平展示 cv2.imshow("ditae",res) cv2.waitKey(0) cv2.destroyAllWindows()
开闭运算
import cv2 import numpy as np img=cv2.imread("d:/ke.png") kernel=np.ones((3,3),np.uint8) open=cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)#开运算:先腐蚀,后膨胀 close=cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)#关运算:先膨胀,后腐蚀 res=np.hstack((open,close)) cv2.imshow("kai vs close",res) cv2.waitKey(0) cv2.destroyAllWindows()
梯度运算
# 梯度运算 import cv2 import numpy as np img=cv2.imread("d:/ke.png") kernel=np.ones((3,3),np.uint8) dilate=cv2.dilate(img,kernel,iterations=3) #膨胀 erosion=cv2.erode(img,kernel,iterations=3) #腐蚀 gradient=cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel) #梯度 res=np.hstack((dilate,erosion,gradient)) cv2.imshow("show",res) cv2.waitKey(0) cv2.destroyAllWindows()
礼帽与黑帽
礼帽 = 原始输入-开运算结果
黑帽 = 闭运算-原始输入
import cv2 import numpy as np img=cv2.imread("d:/ke.png") kernel=np.ones((3,3),np.uint8) tophar=cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel) #礼帽 blackhar=cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel) #黑帽 res=np.hstack((tophar,blackhar)) cv2.imshow("hat",res) cv2.waitKey(0) cv2.destoryAllWindows()
原文:https://www.cnblogs.com/xujunjia/p/11442441.html
内容总结
以上是互联网集市为您收集整理的opencv-python 图像基础处理(三)全部内容,希望文章能够帮你解决opencv-python 图像基础处理(三)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。