圖片的腐蝕，膨脹，開丶閉運算，梯度計算，禮帽與黑帽-有解無憂

1 腐蝕操作

　　用于圖片的去毛刺，內容削減

 1 #腐蝕操作
 2 #cv2.erode(src,kernel,iterations) 
 3 #src是圖片數字化陣列
 4 #kernel則是一個盒，對該盒內的像素進行復試操作，值越小腐蝕能力越狠
 5 #iterations是一個迭代次數，就是說你對這個圖片進行幾次的腐蝕操作
 6 kernel = np.ones((30,30),np.uint8)
 7 erosion1 = cv2.erode(img,kernel,iterations=1)
 8 erosion2 = cv2.erode(img,kernel,iterations=2)
 9 erosion3 = cv2.erode(img,kernel,iterations=3)
10 res = np.hstack((erosion1,erosion2,erosion3))
11 Cv_Show('Erode Picture',res)

2 膨脹操作

 1 #膨脹操作 
 2 #因為在進行腐蝕操作后，原本不需要的腐蝕的地方會變細，此時可以通過膨脹操作加回來
 3 #cv2.dilate(src,kernel,iterations)
 4 #src是影像數字化陣列
 5 #Kernel為盒，對該盒內的像素進行膨脹操作，值越小膨脹能力越強
 6 #iterations是一個迭代次數，就是說你對這個圖片進行幾次的膨脹操作
 7 kernel = np.ones((30,30),np.uint8)
 8 dilate1 = cv2.dilate(img,kernel,iterations=1)
 9 dilate2 = cv2.dilate(img,kernel,iterations=2)
10 dilate3 = cv2.dilate(img,kernel,iterations=3)
11 res = np.hstack((dilate1,dilate2,dilate3))
12 Cv_Show('Erode Picture',res)

3 開運算，閉運算

 1 #開運算就是先腐蝕后膨脹，閉運算是先膨脹后腐蝕
 2 #cv2.morphologyEx(src,type,kernel)
 3 #src是影像數字化陣列
 4 #type有cv2.MORPH_OPEN，cv2.MORPH_CLOSE兩種
 5 #cv2.MORPH_OPEN就是開運算
 6 #cv2.MORPH_CLOSE就是閉運算
 7 #Kernel為盒，對該盒內的像素進行膨脹操作，值越小膨脹能力越強
 8 kernel3 = np.ones((30,30),np.uint8)
 9 opening = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel3) #使用開運算
10 closeing = cv2.MORPH_OPEN(img,cv2.MORPH_CLOSE,kernel3) #使用閉運算
11 res = np.hstack((opening,closeing))
12 Cv_Show('morphologyEx Picture', res)

4 梯度運算

1 #梯度運算
2 #梯度 = 膨脹 - 腐蝕
3 #梯度運算是為了得到邊界變化的資訊
4 gradient = cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel3)
5 Cv_Show('Gradient Picture', gradient)

5 禮帽與黑帽

1 #禮帽和黑帽
2 #禮帽 = 原始輸入 - 開運算結果 從理論上來說，一個帶毛刺的圖片優化后沒有毛刺 - 原始有毛刺的圖，那結果是毛刺
3 #黑帽 = 閉運算 - 原始輸入 同樣，因為先對毛刺先膨脹后腐蝕，所以有些毛刺可能沒腐蝕掉，減去原始后，結果是那些沒腐蝕掉的毛刺的邊緣
4 topHat = cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel3)
5 blackHat = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel3)
6 res = np.hstack((topHat,blackHat))
7 Cv_Show('TopHat vs BlackHat Picture', res)

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/550761.html

標籤：Python

上一篇：Kaggle上使用Tensorboard

下一篇：返回列表