二值图像的腐蚀、膨胀、开运算、闭运算等常见的形态学方法python

今天又是划水的一天
图像的二值化，膨胀和侵蚀
干啥啥不行导库第一名

import cv2
import numpy as np
import random
from matplotlib import pyplot as plt
from numpy import *

接下来的对图片二值化的的函数，如果出现问题可以自己查一下参数，因为我朋友用这个函数报错了

def binaryzation(image):
    cv2.threshold(image, 140, 255, 0, image)
    return image

接下来是读取图片和调用二值函数，图片是用bmp的和上次博客用的是同一张

img = cv2.imread("newpic.bmp")
out1=binaryzation(img)
plt.title("origin")
plt.imshow(out1)
print(img[:,:,0])

然后是侵蚀的函数块
理论上是与操作，不过我貌似百度找不到与操作怎么弄，就直接通过计数总和来判断是不是满足条件
不过效果也是没有问题的，我用的是十字的5*5结构元素

def etch(img):
    h=img.shape[0]
    w=img.shape[1]
    img1=np.zeros((h,w),np.uint8)
    etch_b = np.array([[0,0,1,0,0],[0,0,1,0,0],[1,1,1,1,1],[0,0,1,0,0],[0,0,1,0,0]])
    for i in range(h-4):
        for j in range(w-4):
            a=(img[i:i+5, j:j+5] * etch_b).sum()
            if a==9*255:
                img1[i+2, j+2] = 255
            else:
                img1[i+2, j+2] = 0
            print
    return img1

然后是调用

out2=etch(out1[:,:,0])
plt.title("etch")
plt.imshow(out2,cmap='gray')
print(out2)

接下来是膨胀函数块

def expand(img):
    h=img.shape[0]
    w=img.shape[1]
    img2=np.zeros((h,w),np.uint8)
    etch_b = np.array([[0,0,1,0,0],[0,0,1,0,0],[1,1,1,1,1],[0,0,1,0,0],[0,0,1,0,0]])
    for i in range(h-4):
        for j in range(w-4):
            a=img[i+2,j+2] * etch_b[2,2]
            if a==255:
                for c in range(5):
                    for d in range(5):
                        if etch_b[c,d]==1:
                            img2[i+c,j+d] = etch_b[c,d]*255 
    return img2

然后是调用

out3=expand(out1[:,:,0])
plt.title("expand")
plt.imshow(out3,cmap='gray')
print(out3)

开闭运算就算调用膨胀和侵蚀
比如

out5=expand(out3)
plt.title("expandetch")
plt.imshow(out5,cmap='gray')
print(out5)

添加链接描述