机器学习进阶-图像形态学操做-腐蚀操做 1.cv2.erode(进行腐蚀操做)

1.cv2.erode(src, kernel, iteration)ui

参数说明:src表示的是输入图片,kernel表示的是方框的大小,iteration表示迭代的次数spa

腐蚀操做原理:存在一个kernel,好比(3, 3),在图像中不断的平移,在这个9方框中,哪种颜色所占的比重大,9个方格中将都是这种颜色code

代码:blog

1.读取带有毛刺的图片图片

2.使用cv2.erode进行腐蚀操做,比较不一样的kernel对结果的影响it

3.读取圆的图片io

4.使用cv2.erode进行腐蚀操做,比较不一样的迭代次数对结果的影响class

import cv2 import numpy as np # 1.读取带有毛刺的图片
img = cv2.imread('dige.png') cv2.imshow('img', img) cv2.waitKey(0) cv2.destroyAllWindows()

# 2.比较不一样的kernel最终的腐蚀效果
kernel = np.ones((3, 3), np.uint8) erosion_1 = cv2.erode(img, kernel, iterations=1) kernel_1 = np.ones((6, 6), np.uint8) erosion_2 = cv2.erode(img, kernel_1, iterations=1) cv2.imshow('erosion', np.hstack((erosion_1, erosion_2))) cv2.waitKey(0) cv2.destroyAllWindows()

# 3.读取圆的图片
pie = cv2.imread('pie.png') cv2.imshow('pie', pie) cv2.waitKey(0) cv2.destroyAllWindows()

# 4.比较不一样的迭代次数对最终结果的影响
kernel = np.ones((20, 20), np.uint8) erosion_1 = cv2.erode(pie, kernel, iterations=1) erosion_2 = cv2.erode(pie, kernel, iterations=2) erosion_3 = cv2.erode(pie, kernel, iterations=3) imgs = np.hstack((erosion_1, erosion_2, erosion_3)) cv2.imshow('pie', imgs) cv2.waitKey(0) cv2.destroyAllWindows()

相关文章
相关标签/搜索