图像形态学:
①是图像处理学科的一个单独分支学科
②灰度与二值图像重要手段
③是由数学的集合论等相关理论发展起来的
膨胀(Dilate)
可认为是最大值滤波
33的结构元素/模板
用覆盖住的最大值代替中心像素
膨胀的作用:
①对象大小增加一个像素(33)
②平滑对象边缘
③减少或者填充对象之间的距离
注意:腐蚀与膨胀都支持任意形状的结构元素
腐蚀(Erode)
最小值替换中心像素
腐蚀的作用:
①对象大小减少一个像素(3*3)
②平滑对象边缘
③弱化或者分割图像之间的半岛型连接
#腐蚀与膨胀,都支持单/多通道,支持彩色图像
from matplotlib import pyplot as plt
from cv2 import cv2 as cv
import numpy as np
#腐蚀
def erode_demo(image):
print(image.shape)
gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY_INV|cv.THRESH_OTSU)
cv.imshow('binary',binary)#显示二值图像,跟腐蚀的进行对比
kernel = cv.getStructuringElement(cv.MORPH_RECT,(5,5))#可修改成(5,5)使得腐蚀加重
dst = cv.erode(binary,kernel)
cv.imshow("erode_demo",dst)
#膨胀
def Dilate_demo(image):
print(image.shape)
gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)
cv.imshow('binary',binary)#显示二值图像,跟膨胀的进行对比
kernel = cv.getStructuringElement(cv.MORPH_RECT,(5,5))#可修改成(5,5)使得膨胀加重
dst = cv.dilate(binary,kernel)
cv.imshow("Dilate_demo",dst)
if __name__ == "__main__":
filepath = "C:\\pictures\\others\\person.jpg"
img = cv.imread(filepath) # blue green red
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",img)
#对彩色图像进行膨胀
kernel = cv.getStructuringElement(cv.MORPH_RECT,(5,5))#可修改成(5,5)使得膨胀加重
dst1 = cv.dilate(img,kernel)
cv.imshow('result_dilate',dst1)
#对彩色图像进行膨胀
kernel = cv.getStructuringElement(cv.MORPH_RECT,(3,3))#可修改成(5,5)使得膨胀加重
dst2 = cv.erode(img,kernel)
cv.imshow('result_erode',dst2)
#Dilate_demo(img)
cv.waitKey(0)
cv.destroyAllWindows()
图像如下: