语言：python+opencv
为什么使用图像腐蚀和图像膨胀
如图，使用图像腐蚀进行去噪，但是为压缩噪声。
对腐蚀过的图像，进行膨胀处理，可以去除噪声，并保持原样形状。
图像腐蚀
腐蚀主要针对的是二值图像，如只有0和1两个值，
两个输入对象：1原始二值图像，2卷积核
使用卷积核遍历原始二值图像，如果卷积核对应的元素值均为1，其值才为1，否则为0。如图，红色为卷积核。
腐蚀后的结果示意图见下面，效果是将边缘抹掉一部分。
使用方法：erode 中文翻译：侵蚀
处理结果=cv2.erode(原始图像src,卷积核kernel,迭代次数iterations)
卷积核kernel：一般为正方形数组
如：k=np.ones((5,5),np.uint8)
迭代次数iterations：腐蚀次数，默认1
import cv2
import numpy as np
o=cv2.imread("erode.bmp",cv2.IMREAD_UNCHANGED)
k=np.ones((5,5),np.uint8)
r=cv2.erode(o,k,iterations=10)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()
图像膨胀
图像腐蚀的逆操作。
针对的是二值图像
输入两个参数：二值图像，卷积核。
使用卷积核对二值图像进行遍历，卷积核对应的图像像素点只要有一个为1，则值为1，否则为0.
使用方法：dilate
结果=cv2.dilate(二值图像src,卷积核k,迭代次数itreations)
卷积核 正方形数组：如np.ones((5,5),np.uint8)
import cv2
import numpy as np
o=cv2.imread("dilation.bmp",cv2.IMREAD_UNCHANGED)
k=np.ones((5,5),np.uint8)
r=cv2.dilate(o,k,iterations=1)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()
到此这篇关于opencv 图像腐蚀和图像膨胀的实现的文章就介绍到这了,更多相关opencv 图像腐蚀和图像膨胀内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
