python 开运算_形态学去噪python(开运算,闭运算)

形态学梯度调用

import cv2

import numpy as np

# 读图

# img = cv2.imread('./output2/2.jpg', 0)

# # 设置核

# kernel = np.ones((5, 5), np.uint8)

# # 形态学梯度调用

# gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

#

# # 显示效果

# cv2.imshow('src', img)

# cv2.imshow('result', gradient)

# cv2.waitKey()

img = cv2.imread('./output1/3.jpg', cv2.IMREAD_UNCHANGED)

# 设置核

kernel = np.ones((3, 3), np.uint8)

# 形态学梯度调用

erosion = cv2.erode(img, kernel)

# 显示效果

cv2.imshow('src', img)

cv2.imshow('result', erosion)

cv2.waitKey()

开运算

不断的开运算是没有关系的

import cv2

import numpy as np

# 读图

img = cv2.imread('./output1/2.jpg', 0)

# 设置核

# kernel = np.ones((5, 5), np.uint8)

kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(2,2))

# 开运算

opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

# 显示效果

cv2.imshow('src', img)

cv2.imshow('result', opening)

cv2.waitKey()

# def open_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)

# # kernel = np.ones((5,5),np.uint16)

# kernel = cv.getStructuringElement(cv.MORPH_RECT,(5,5))

# dst = cv.morphologyEx(binary,cv.MORPH_OPEN,kernel)

# cv.imshow("open_demo",dst)

#

# img = cv.imread('./output2/2.jpg', 0)

# open_demo(img)

自实现开运算

主要是通过不同的系数来实现腐蚀和膨胀的结合

import cv2

from PIL import Image

import numpy as np

img = cv2.imread('./output1/0.jpg', cv2.IMREAD_UNCHANGED)

# 设置核

kernel = np.ones((2, 2), np.uint8)

# 形态学梯度调用

erosion = cv2.erode(img, kernel, iterations=2)

kernel = np.ones((2, 2), np.uint8)

dilate = cv2.dilate(erosion, kernel, iterations=1)

# 显示效果

# v2.imshow('src', img)

# cv2.imshow('result', erosion)

# cv2.imshow('result1', dilate)

cv2.imwrite("./0x.jpg", dilate)

cv2.waitKey()

黑帽

import cv2

import numpy as np

#读图

img = cv2.imread('./output2/2.jpg',0)

#设置核

kernel = np.ones((5,5),np.uint8)

#黑帽调用

blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

#显示效果

cv2.imshow('src',img)

cv2.imshow('show',blackhat)

cv2.waitKey()

  • 0
    点赞
  • 3
    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