【使用binary_erosion()函数来计算二值图像的快速形态腐蚀】

#使用binary_erosion()函数来计算二值图像的快速形态腐蚀
from skimage.io import imread
from skimage.color import rgb2gray
import matplotlib.pylab as pylab
from skimage.morphology import binary_erosion, rectangle

def plot_image(image,title=''):
    pylab.title(title,size=20),pylab.imshow(image)
    pylab.axis('off') 
im = rgb2gray(imread('apple.png'))
im[im <= 0.5] = 0
im[im > 0.5] = 1
pylab.gray()
pylab.figure(figsize=(20,10))
pylab.subplot(1,3,1),plot_image(im,'original')
im1 = binary_erosion(im,rectangle(1,5))
pylab.subplot(1,3,2),plot_image(im1,'erosion with rectangle size (1,5)')
im1= binary_erosion(im,rectangle(1,15))
pylab.subplot(1,3,3),plot_image(im1,'erosion with rectangle size (1,15)')
pylab.show()

实验结果如图所示:在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值