opencv基础操作复习3

最新推荐文章于 2025-06-19 23:09:47 发布

原创最新推荐文章于 2025-06-19 23:09:47 发布 · 152 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #计算机视觉

open cv 专栏收录该内容

7 篇文章

订阅专栏

本文介绍了图像处理的基础操作，包括使用OpenCV读取图像、将彩色图像转换为灰度图、应用高斯模糊、进行Canny边缘检测，以及执行膨胀和侵蚀等形态学操作。通过实例展示了如何在Python中实现这些基本图像处理技术。

import cv2
import numpy as np

#read image
image = cv2.imread("Resources/lena.png")
#kernal size
kernal = np.ones((5,5),np.uint8)

#basic function
#将图片由彩色转化为灰度图
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#将图片高斯处理 模糊处理
##(7, 7)表示高斯矩阵的长与宽都是7，标准差取0
imgBlur = cv2.GaussianBlur(imgGray,(7,7) ,0)

#边缘检测
#100和100是上下阈值。如果改变上下阈值，就会出现不同的结果
imgCanny = cv2.Canny(img,100,100)

#膨胀
imgDialation = C(imgCanny,kernal,interation=5 )
#参数说明: src表示输入的图片， kernel表示方框的大小， iteration表示迭代的次数
#膨胀操作原理：存在一个kernel，在图像上进行从左到右，从上到下的平移，如果方框中存在白色，#那么这个方框内所有的颜色都是白色

# 侵蚀
imgEroded = cv2.erode(imgCanny,kernal,iterations=1)

# #display image
#cv2.imshow("Gray Image",imgGray)
#cv2.imshow("Blur Image",imgBlur)
cv2.imshow("imgCanny  Image",imgCanny)
cv2.imshow("Dialation Image",imgDialation)
cv2.imshow("Eroded Image",imgEroded)
#添加延迟
cv2.waitKey(0)
#out<<