形态学-梯度计算

依赖库

首先，我们需要导入必要的库：

import cv2
import numpy as np

• cv2 是OpenCV的Python接口，用于图像处理。
• numpy 是一个用于科学计算的库，我们用它来创建结构元素。

显示图像的函数

我们定义了一个函数 show_img 来显示图像：

def show_img(name, img):
    cv2.imshow(name, img)  # 使用OpenCV的imshow函数显示图像
    cv2.waitKey(0)  # 等待任意键被按下
    cv2.destroyAllWindows()  # 关闭所有OpenCV创建的窗口

读取图像

使用 cv2.imread 函数读取图像文件，并将其转换为灰度图像：

img = cv2.imread('sun.jpg', cv2.IMREAD_GRAYSCALE)

请确保将 'sun.jpg' 替换为您要处理的图像文件的实际路径和文件名。

应用二值化阈值处理

应用二值化阈值处理，将灰度图像转换为二值图像：

ret, ref = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)

• 127 是阈值。
• 255 是最大值。
• cv2.THRESH_BINARY_INV 表示反转二值化。

创建结构元素

创建一个3x3的结构元素用于形态学操作：

kernel = np.ones((3, 3), np.uint8)

膨胀和腐蚀操作

使用结构元素对图像进行膨胀和腐蚀操作：

# 使用结构元素对图像进行膨胀操作
dilate = cv2.dilate(ref, kernel, iterations=5)

# 使用结构元素对图像进行腐蚀操作
erode = cv2.erode(ref, kernel, iterations=5)

堆叠图像

将膨胀和腐蚀后的图像水平堆叠在一起：

res = np.hstack((dilate, erode))

显示堆叠后的图像

使用之前定义的 show_img 函数来显示堆叠后的图像：

show_img('res', res)

计算梯度(梯度 = 膨胀 - 腐蚀)

使用结构元素计算图像的梯度：

gradient = cv2.morphologyEx(ref, cv2.MORPH_GRADIENT, kernel)

显示梯度图像

显示计算得到的梯度图像：

最后得到的是，膨胀的边缘

show_img('gradient', gradient)

👇 源码资料获取 · 技术与交流 👇