tensorflow和opencv在形态学操作上的区别

故事已经翻了几页

已于 2023-02-10 18:16:35 修改

阅读量1.4k

点赞数 1

分类专栏： tensorflow探索文章标签： tensorflow 深度学习 python numpy opencv

于 2020-12-02 19:52:05 首次发布

本文链接：https://blog.csdn.net/gushiyi27/article/details/110493617

版权

本文探讨了在深度学习库TensorFlow（tf.nn.erosion2d和tf.nn.dilation2d）与图像处理库OpenCV（cv2.erode和cv2.dilate）中进行形态学操作的区别。通过实验比较，展示了使用这两套API处理同一原图后的不同输出效果。

摘要由CSDN通过智能技术生成

tensorflow和cv2在形态学操作上的区别

tf.nn.erosion2d、tf.nn.dilation2d和cv2.erode，cv2.dilate的区别：

1.结果的区别:
实验：
原图片：（来自西工大NWPU-RESISC45数据集）
在这里插入图片描述
用tf.nn.erosion2d的代码

import tensorflow as tf
import skimage.io as io
import keras.backend as K
import numpy as np
from matplotlib import pyplot as plt

kernel = K.random_normal(shape = (3, 3, 1))
img = io.imread('./airplane.png')
img = tf.convert_to_tensor(img ,tf.float32) #将array转化为tensor
img = tf.expand_dims(img, 0)                #升维度
img = tf.expand_dims(img, 3)

img1 = tf.nn.erosion2d(img, kernel, strides = [1,1,1,1], rates = [1,1,1,1], padding = "SAME")#图像腐蚀

with tf.Session() as sess:
    imgout