形態(tài)學(xué)中的腐蝕操作一般處理的圖像數(shù)據(jù)為二值的
cv2.erode(img,kernel,iterations = 1)
kernel表示拿多大的卷積核去腐蝕
iterations表示迭代次數(shù)
可以將一些帶有毛毛的圖像去毛毛化
原圖

import cv2 import numpy as npdef show_photo(name,picture):cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()img = cv2.imread('E:\Jupyter_workspace\study\data/jiaju.png') show_photo('jiaju',img)

去毛毛

import cv2 import numpy as npdef show_photo(name,picture):cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()img = cv2.imread('E:\Jupyter_workspace\study\data/jiaju.png') kernel = np.ones((3,3),np.uint8) erosion = cv2.erode(img,kernel,iterations = 1) show_photo('erosion',erosion)

當(dāng)然，這只是一個樣例罷了
腐蝕操作其實就是對一些邊緣進(jìn)行剪切，處理之后的照片會相對變細(xì)
下面進(jìn)行迭代次數(shù)的演示

import cv2 import numpy as npdef show_photo(name,picture):cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()pie = cv2.imread('E:\Jupyter_workspace\study\data/pie.png') show_photo('pie',pie)

原圖：

不同的迭代次數(shù)也會對圖片有著不同的影響

import cv2 import numpy as npdef show_photo(name,picture):cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()pie = cv2.imread('E:\Jupyter_workspace\study\data/pie.png')kernel = np.ones((30,30),np.uint8) erosion_1 = cv2.erode(pie,kernel,iterations = 1) erosion_2 = cv2.erode(pie,kernel,iterations = 2) erosion_3 = cv2.erode(pie,kernel,iterations = 3) res = np.hstack((pie,erosion_1,erosion_2,erosion_3))show_photo('YT-1-2-3',res)

不同的迭代次數(shù)的影響：

總結(jié)

以上是生活随笔為你收集整理的06-对图像进行腐蚀操作的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。