Python怎么调用opencv,opencv-python中文教程

　　原文链接：opencv图像腐蚀和扩展的开运算和闭运算

　　OpenCV -开闭操作-山上的风景-博客公园

　　腐蚀：

　　腐蚀会腐蚀前景物体的边缘。原理是卷积核沿着图像滑动。如果卷积对应的原图像像素值都为1，则中心元素保持原值，否则为0。

　　效果是靠近前景的像素被腐蚀为0，前景物体变小，图像的白色区域减少，对消除白噪声有用，可以分离两个相连的物体。

　　扩展：

　　与腐蚀相反，如果其中一个卷积核的值为1，则中心元素的值为1。这种操作会增加前景中的白色区域，这种白色区域通常会在去除噪声时腐蚀，然后扩大。腐蚀过程缩小前景，膨胀操作用于将前景转换回来。膨胀也可以连接彼此分离的物体。

　　1.)边缘检测

　　元素可以使用矩形/椭圆形/十字形。Cv2.getStructuringElement))可以生成各种形状的结构元素，包括：

　　kernel=cv2 . getstructuringelement(cv2 . morph _ rect，(5，5)) #矩形结构

　　kernel=cv2 . getstructuringelement(cv2 . morph _ ellipse，(5，5)) #椭圆结构

　　kernel=cv2 . getstructuringelement(cv2 . morph _ cross，(5，5)) #交叉结构

　　img=cv2.imread(j.BMP ，0)))))))))))))))).

　　kernel=NP.ones ((5，5)，np.uint8)).

　　腐蚀=cv2.erode(img，kernel) #腐蚀极限是重复操作的次数。

　　与膨胀腐蚀相反，取局部最大值具有使图像“变胖”的效果：

　　Dilation=cv2.dilate(img，kernel) # inflation #！/usr/ssdpd/env python

　　#编码：utf-8

　　导入cv2

　　进口编号为NP

　　image=cv2.imread(2.jpg ，0)；

　　制作33的结构元素

　　element=cv2 . getstructuringelement(cv2 . morph _ rect，(3，3))

　　dilate=cv2.dilate(image，element))。

　　erode=cv2.erode(image，element))。

　　#减去两幅图像以获得边缘。第一个参数是扩展图像，第二个参数是蚀刻图像。

　　结果=cv2。ABSdiff(扩张，侵蚀)；

　　#上面得到的结果是灰度，为了更清晰的观察，已经进行了二值化处理。

　　retval，result=cv2。阈值(结果，40，255，cv2。THRESH _ BINARY)；

　　# Invert，即根据2值图对每个像素进行反转。

　　result=cv2 . bitwise _ not(result；

　　#显示图像

　　CV2.imshow(result ，结果)；

　　cv2 . wait key(0))))))))cv2 . wait key(0))))cv2 . wait key(0).

　　cv2.destroyAllWindows(

　　腐蚀和膨胀是数学形态学术语，它们在图像处理中的应用称为图像二值形态学。

　　形态学主要是获取一个物体的拓扑结构信息，通过物体与结构元素相互作用的一些运算，可以获得物体更本质的形态。形态学应用于图像处理时，其主要作用是利用基本的形态学操作如腐蚀、膨胀操作来观察和处理图像，从而达到提高图像质量的目的。并且描述和定义图像的各种几何参数和特征。

　　二值图像的腐蚀和膨胀操作如下。

　　侵蚀)。

　　蚀刻的具体操作：一个结构元素(也叫操作数矩阵)的大小一般是33。也可以看作卷积模板。这些区别在于卷积模板是基于算术运算的，而结构元素是基于集合运算的。扫描图像的每个像素(图像边缘的处理下面会详细分析)，用操作数矩阵扫描图像的每个像素，使像素与操作数矩阵的每个像素重叠。

　　另一方面，如果“扩张”操作反过来，都为0，则像素中的像素为0，否则为1。

　　腐蚀的作用是消除物体的边界点，减少目标。这一点从操作过程中可以看得很清楚。物体边界上必须有像素值为0和1，腐蚀操作后与这个1相邻的像素都是0。因此，腐蚀操作消除了小的无意义的物体，并使边界向内收缩。

　　相反，扩张的作用当然是放大目标，填充体内的微小孔洞，使物体的边界变得平滑，向外扩张。

　　运气是先腐蚀再膨胀的过程)，可以腐蚀图像上的小噪声，平滑物体边界。

　　关闭操作是先膨胀后腐蚀)

　　Rode)过程，它可以填充身体中的微小空洞，并平滑对象的边界。

　　通常，由于噪声的影响，阈值化后的图像边界往往很不平滑。物体区域有一些噪声孔，背景区域有一些小的噪声物体散落。持续的开闭操作可以有效改善这种情况。有时需要多次腐蚀，同样的膨胀次数才能产生更好的效果。

　　腐蚀会去除物体的边缘点，小物体的点都会被当作边缘点，所以会被完全删除。再次放大时，左边的大对象会变回原来的大小，而被删除的小对象会永远消失。

　　扩展操作会使对象的边界向外扩展。如果物体中有小孔，这些孔将被膨胀操作填充，因此它们不再是边界。当再次进行蚀刻操作时，外部边界将变回原来的样子，这些内部空隙将永远消失。

　　对上述腐蚀和膨胀操作进行更详细的分析(主要讲涉及图像边缘的腐蚀和膨胀操作)

　　注意：当结构元素扫描图像中的每个像素时，结构元素的部分邻域将在图像之外。例如，当一个结构元素扫描图像上方第一行的像素值时(这里默认的结构元素是33)，一些结构元素会在图像之外。此时，为了有效地处理边界像素，执行形态学运算的函数通常对超出图像的像素赋予一个数值，并且不指定数值，这类似于用附加的行和列填充图像的函数。对于扩展和蚀刻操作，它们的像素填充值是不同的。规则如下：

　　和腐蚀膨胀填充图像规则表。

　　规则

　　超出腐蚀图像边界的像素值被定义为该数据类型允许的最大值。对于二值图像，这些像素值被设置为1；对于灰度图像，unit8类型的最小值也是255。

　　超出膨胀图像边界的像素值定义为该数据类型允许的最小值，对于二值图像，这些像素值设置为0；对于灰度图像，unit8类型的最小值也是0。

　　通过对膨胀操作使用最小填充，对腐蚀操作使用最大填充，可以有效地消除边界效应(输出图像的边界附近的区域与图像的其他部分不连续)。否则，如果蚀刻操作以最小值填充，则在蚀刻操作之后，输出图像将围绕黑边。(这里根据腐蚀和膨胀的具体操作过程应该不难理解，因为当图像边缘全白，也就是像素值全为1时。此时，如果图像边缘之外的像素值用最小值填充，则在二值图像的情况下，像素值为0。根据腐蚀操作，相位肯定是0，然后图像边缘会变黑。)

　　结构：膨胀和腐蚀操作的最基本组件，用于测试输出图像，通常比要处理的图像小得多。二维结构元素由值为0或1的矩阵组成。结构元素的原点指定了图像中待处理像素的范围，结构元素中值为1的点决定了结构元素的相邻像素在膨胀或腐蚀时是否需要参与计算。或者非平面结构元素使用0，1定义X和Y平面上结构元素的范围，第三维Z定义高度。

　　操作(膨胀前的腐蚀)

　　特点：会在不影响原图def open_demo(image)的情况下，消除一些1的白噪声、噪声和小干扰块：

　　gray=cv.cvtColor(图像，cv。COLOR_BGR2GRAY)

　　对于范围内的I(1000):#给灰度图像添加一些噪点。

　　h=np.random.random_integers(0，gray.shape[0]-1)

　　w=np.random.random_integers(0，gray.shape[1]-1)

　　val=NP . random . random _ integers(0，255)

　　灰色[h，w]=camp(灰色[h，w]，val)

　　Ret，ssdpdary=cv。阈值(灰色，0，255，cv。thresh _ binary cv。thresh _ otsu) #生成二值图像

　　cv . im show( SSD dary ，SSD dary)

　　kernel=cv . getstructuringelement(cv。墨菲_RECT，(3，3))

　　Ssdpdary=cv形态学ex(SSD dary，cv。形态学_ open，kernel) #先腐蚀后膨胀的开运算，会用1消除一些白噪声。

　　三。打开操作完成的任务

　　(1)提取水平垂直线def open_demo(图片):

　　gray=cv.cvtC

　　ret，SSD dary=cv。阈值(灰色，0，255，变异系数.THRESH_BINARY_INVcv .OTSU)

　　简历。即时消息显示(“固态硬盘数据”，固态硬盘数据)

　　内核=cv。getstructuringelement(cv .吗啉_RECT，(1.15))#修改内核为(15,1)可以提起横线

　　SSD dary=cv。形态指数(SSD dary，cv .MORPH_OPEN，内核)

　　cv.imshow(open_demo ，ssdpdary)

　　（二)消除干扰线def open_demo(图片):

　　gray=cv.cvtColor(图像，简历.COLOR_BGR2GRAY)

　　ret，SSD dary=cv。阈值(灰色，0，255，变异系数.THRESH_BINARY_INVcv .OTSU)

　　内核=cv。getstructuringelement(cv .吗啉_RECT，(3，3))#因为干扰线很细，小于我们想要的字母，先腐蚀后膨胀对字母无影响，但是对于细线在腐蚀的时候就处理掉了

　　SSD dary=cv。形态指数(SSD dary，cv .MORPH_OPEN，内核)

　　（三)提取满足要求的形状

　　getStructuringElement我们设置的内核形状为矩形，是可以设置其他形状

　　矩形：MORPH _ RECT；

　　十字形结构：MORPH _ CORSS

　　椭圆形：MORPH _ ELLIPSEdef open_demo(图片):

　　gray=cv.cvtColor(图像，简历.COLOR_BGR2GRAY)

　　ret，SSD dary=cv。阈值(灰色，0，255，变异系数.THRESH_BINARYcv .OTSU)

　　简历。即时消息显示(“固态硬盘数据”，固态硬盘数据)

　　内核=cv。getstructuringelement(cv .变形_椭圆，(5,5))

　　SSD dary=cv。形态指数(SSD dary，cv .MORPH_OPEN，内核)

　　cv.imshow(open_demo ，ssdpdary)

　　二：闭操作（先膨胀后腐蚀)

　　特点：可以填充闭合区域定义关闭_演示（图片):

　　gray=cv.cvtColor(图像，简历.COLOR_BGR2GRAY)

　　ret，SSD dary=cv。阈值(灰色，0，255，变异系数.THRESH_BINARYcv .OTSU)

　　简历。即时消息显示(“固态硬盘数据”，固态硬盘数据)

　　内核=cv。getstructuringelement(cv .墨菲_ RECT(15，15)

　　SSD dary=cv。形态指数(SSD dary，cv .变形_关闭，内核)

　　cv.imshow(close_demo ，ssdpdary)

　　————————————————

　　原文链接：https://博客。csdn。net/computer _ yed Qt/article/details/21819099

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

相关文章阅读