opencv基础学习与实战（3）图像形态学与边缘检测

一.图像形态学

1.图像腐蚀

函数为：cv2.erode(src, kernel, dst,anchor,iterations,borderType,borderValue)
参数含义：
src: 输入的图像
kernel: 用于腐蚀的结构元件如果element = Mat(), 则使用3 × 3的矩形结构单元。
dst: 它是与src相同大小和类型的输出图像。
iterations:腐蚀操作的迭代次数, 默认为1。次数越多, 腐蚀操作执行的次数越多,腐蚀效果越明显

import numpy as np
sun = cv2.imread('erode1.png')
cv2.imshow('src', sun)
# cv2.waitKey(0)
kernel = np.ones((3,3),np.uint8)  # 设置kenenel大小, 核改为5*5试试
erosion_1 = cv2.erode(sun,kernel,iterations=2)  # iterations改为5试试
cv2.imshow('erosion_1',erosion_1)
cv2.waitKey(0)

效果：

可以观察出原图的细线被腐蚀消失了

2.图像膨胀

函数为：
cv2.dilate(img, kernel, iterations)
参数含义：
img - 目标图片
kernel - 进行操作的内核，默认为3×3的矩阵
iterations - 膨胀次数，默认为1

wenzi = cv2.imread('word.png')
cv2.imshow('src1', wenzi)
# cv2.waitKey(0)
kernel = np.ones((2,2),np.ui