Python opencv图像膨胀与腐蚀处理实例探究
更新时间:2024年01月23日 10:59:57 作者:电路小白 实在太懒于是不想取名
这篇文章主要介绍了Python opencv图像膨胀与腐蚀处理实例探究
Python opencv图像膨胀腐蚀
需要注意的是,这里的腐蚀和膨胀时对于白色部分而言的,而不是黑色部分!!
字体的大小就是常见的图像的腐蚀和膨胀。腐蚀和膨胀可以很好的去除掉图像中的噪声点,消除物体边界附近的像素。
实现步骤
首先是导入相关的库
import cv2 import numpy as np import matplotlib.pyplot as plt
opencv的函数来读取图像
之后利用opencv的函数来读取我们的图像。
# 读取图像 img = cv2.imread('C:/Users/13256/Desktop/11.tif', cv2.IMREAD_GRAYSCALE)
定义结构元素来确定我们的卷积运算大小
# 定义结构元素(核) kernel = np.ones((5, 5), np.uint8)
利用opencv的内置函数来进行膨胀运算
# 膨胀操作 dilated_img = cv2.dilate(img, kernel, iterations=1)
最后显示图像
# 显示原始图像、膨胀后的图像 plt.subplot(1, 2, 1), plt.imshow(img, cmap='gray'), plt.title('原始图像') plt.subplot(1, 2, 2), plt.imshow(dilated_img, cmap='gray'), plt.title('膨胀操作后的图像') plt.show()
可以看到膨胀操作更凸显出图片的轮廓和边界
运行
将膨胀函数方法换成腐蚀,之后再运行我们的代码。
# 腐蚀操作 dilated_img = cv2.erode(img, kernel, iterations=1)
以下附上全部代码
import cv2 import numpy as np import matplotlib.pyplot as plt # 读取图像 img = cv2.imread('C:/Users/13256/Desktop/11.tif', cv2.IMREAD_GRAYSCALE) # 定义结构元素(核) kernel = np.ones((5, 5), np.uint8) # 膨胀操作 dilated_img = cv2.erode(img, kernel, iterations=1) # 显示原始图像、膨胀后的图像 plt.subplot(1, 2, 1), plt.imshow(img, cmap='gray'), plt.title('原始图像') plt.subplot(1, 2, 2), plt.imshow(dilated_img, cmap='gray'), plt.title('膨胀操作后的图像') plt.show()
以上就是Python opencv图像膨胀与腐蚀处理实例探究的详细内容,更多关于Python opencv图像膨胀腐蚀的资料请关注脚本之家其它相关文章!
相关文章
详解Python利用configparser对配置文件进行读写操作
这篇文章主要介绍了详解Python利用configparser对配置文件进行读写操作,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2020-11-11IPython库中的display函数的简介、使用方法、应用案例详细攻略
display 函数可以接受一个或多个参数,每个参数都是一个 Python 对象。它会自动根据对象的类型选择合适的显示方式,并在 Jupyter Notebook 中显示出来,这篇文章主要介绍了IPython库中的display函数的简介、使用方法、应用案例详细攻略,需要的朋友可以参考下2023-04-04PyCharm2019.3永久激活破解详细图文教程,亲测可用(不定期更新)
这篇文章主要介绍了PyCharm2019.3最新激活码(注册码)破解永久版详细图文教程的相关资料,亲测可用,需要的朋友可以参考下2020-10-10
最新评论