[Python图像处理八七.图像腐蚀和图像膨胀
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[Python图像处理八七.图像腐蚀和图像膨胀,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1856字,纯文字阅读大概需要3分钟。
内容图文
![[Python图像处理八七.图像腐蚀和图像膨胀](/upload/InfoBanner/zyjiaocheng/628/3285278453524863b6e331f329b578f7.jpg)
图像腐蚀
1.基础理论
形态学转换主要针对的是二值图像(0/1)图像类似于领域被蚕食,将图像中的高亮区域白色部分进行缩减细化,其运行结果图比原图的高亮区域更小。主要包括两个输入对对象: 二值图像,卷积核(卷积核是腐蚀中的关键数组,采用numpy库组成)卷积核的中心点逐个像素扫描原始图像。
被扫描到的原始图像中的像素点,只有当卷积核对应的元素值均为1时,其值才为1,否则其值修改为0。换句话说,遍历到的黄色点位置,其周围全部是白色,保留白色,否则变为黑色,图像腐蚀变小。
函数原型: 主要是用erode函数,dst = cv2.erode(src, kernel, iternations) 参数dst表示处理的结果,src表示原图像,kernel表示卷积核,iternations表示迭代的次数,默认是1.例如 5*5的卷积核,采用函数np.ones((5, 5), np.uint8)构建。
代码如下:
import cv2 import numpy as np src = cv2.imread("1.jpg", cv2.IMREAD_UNCHANGED) kernel = np.ones((5, 5), np.uint8) erosion = cv2.erode(src, kernel) cv2.imshow("src", src) cv2.imshow("result",erode) if cv2.waitKey() == 27: cv2.destroyAllWindows()
图像膨胀
1.基础理论
图像膨胀是腐蚀操作的逆操作,类似于领域扩张,将图像中的高亮区域或白色部分进行扩张,其运行效果图比原图的高亮区域更大,线条变粗了,主要用于去噪
图像被腐蚀后,去掉了噪声,但是会压缩图像
对腐蚀过的图像进行膨胀处理,可以去除噪声,并且保持原有形状
卷积核是腐蚀中的关键数组,采用numpy库可以生成。卷积核的中心点逐个像素扫描原始图像,被扫描到的原始图像中的像素点,当卷积核对应的元素值只要有一个为1时,其值就为1,否则为0。
图像膨胀主要是用dilate函数,dst = cv2.dilate(src, kernel, iternations)
代码如下:
import cv2 import numpy as np src = cv2.imread("1.jpg", cv2.IMREAD_UNCHANGED) kernel = np.ones((5, 5), np.uint8) dilate= cv2.dilate(src, kernel,5) cv2.imshow("src", src) cv2.imshow("result",dilate) if cv2.waitKey() == 27: cv2.destroyAllWindows()
图像去噪通常需要先腐蚀后膨胀,又称为开运算
erosion = cv2.erode(src, kernel)
result= cv2.dilate(erosion, kernel)
转自:https://blog.csdn.net/Eastmount/article/details/83581277
内容总结
以上是互联网集市为您收集整理的[Python图像处理八七.图像腐蚀和图像膨胀全部内容,希望文章能够帮你解决[Python图像处理八七.图像腐蚀和图像膨胀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。