python+opencv——my笔记（形态学边缘检测）

首先，要对图像进行灰度处理

gray =cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)

1、图像腐蚀

对目标图像进行收缩，，可以消除小且没有意义的目标点；

cv2.erode(src,kernel[,dst,[ahchor[,iterations[，borderType[，borderValue]]]]

ahchor:锚点中心，默认为point（-1，-1）；

iterations（迭代次数）是指某些算法或函数在执行过程中重复执行的次数。

img=cv2.imread('img.png')
gray =cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
k= np.ones((9,9),np.uint8)
image= cv2.erode(gray,k,iterations=1)


cv2.imshow('image', image)
cv2.waitKey(0)

2、图像膨胀

对目标图形进行粗化；

cv2.dilate(src,kernel[,dst,[ahchor[,iterations[，borderType[，borderValue]]]]

img=cv2.imread('img.png')
gray =cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
k= np.ones((9,9),np.uint8)
image= cv2.dilate(gray,k,iterations=1)


cv2.imshow('image', image)
cv2.waitKey(0)

3、边缘提取

膨胀是对图像外边缘的操作，腐蚀是对图像内边缘的操作；通过这两者相减，可以获得图像的边缘；

img=cv2.imread('img.png')
gray =cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)

kerode= np.ones((9,9),np.uint8) # 腐蚀
erode= cv2.erode(gray,kerode,iterations=1)

kdilate = np.ones((9,9),np.uint8) #膨胀
dilate= cv2.dilate(gray,kdilate,iterations=1)

image =dilate -erode # 边缘提取

cv2.imshow('image', image)
cv2.waitKey(0)