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

本文详细介绍了OpenCV中腐蚀操作的使用方法,包括不同内核大小和迭代次数对腐蚀效果的影响。通过具体代码示例,展示了如何对带有毛刺的图片和圆形图片进行腐蚀处理,以实现图像预处理的目的。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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

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

腐蚀操作原理:存在一个kernel,比如(3, 3),在图像中不断的平移,在这个9方框中,哪一种颜色所占的比重大,9个方格中将都是这种颜色

代码:

1.读取带有毛刺的图片

2.使用cv2.erode进行腐蚀操作,比较不同的kernel对结果的影响

3.读取圆的图片

4.使用cv2.erode进行腐蚀操作,比较不同的迭代次数对结果的影响

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.比较不同的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.比较不同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()

转载于:https://www.cnblogs.com/my-love-is-python/p/10394831.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值