#影象形態學1 膨脹(dilate)與腐蝕 是灰度與二值影象處理中的重要手段 數學集合論和拓撲集合的基礎上發展起來
#膨脹(dilate)與腐蝕(erode) 最值濾波（3*3模板？）
#膨脹 3*3模板中的最大值替換中心畫素 腐蝕 3*3模板中的最小值替換中心畫素
#膨脹的作用 物件大小增加乙個畫素(3x3) 平滑物件邊緣 減少或者填充物件之間的距離
#腐蝕的作用 物件大小減少乙個畫素(3x3) 平滑物件邊緣 弱化或者分割物件之間半島型連線
deferode_demo
(image)
(image.shape)
gray=cv.cvtcolor(image,cv.color_bgr2gray)
ret,binary=cv.threshold(gray,0,
255,cv.thresh_binary_inv|cv.thresh_otsu)
#注意cv.thresh_binary_inv
cv.imshow(
"binary"
,binary)
kernel=cv.getstructuringelement(cv.morph_rect,(5
,5))
#得到結構元素 cross十字交叉 矩形 結構元素變大 腐蝕加重
dst=cv.erode(binary,kernel=kernel)
cv.imshow(
"erode_demo"
,dst)
defdilate_demo
(image)
(image.shape)
gray=cv.cvtcolor(image,cv.color_bgr2gray)
ret,binary=cv.threshold(gray,0,
255,cv.thresh_binary_inv|cv.thresh_otsu)
#注意cv.thresh_binary_inv
cv.imshow(
"binary"
,binary)
kernel=cv.getstructuringelement(cv.morph_rect,(5
,5))
#得到結構元素 cross十字交叉 矩形 結構元素變大 腐蝕加重
dst=cv.dilate(binary,kernel=kernel)
cv.imshow(
"dilate_demo"
,dst)
src=cv.imread(
"d:\py_test\open_cv\data\pic3.png"
)cv.namedwindow(
"test"
,cv.window_autosize)
cv.imshow(
"test"
,src)
#在上面建立的「test」視窗中顯示影象sr
dilate_demo(src)
#彩色影象的膨脹
#得到結構元素 cross十字交叉 矩形 結構元素變大 腐蝕加重
dst=cv.erode(src2,kernel=kernel)
#腐蝕是最小值替換中心畫素，所以眉毛的位置會變的更加黑 0為最黑
cv.imshow(
"color_dilate"
,dst)
cv.waitkey(0)
#（0）引數表示無限等待 等又任意按鍵按下關閉視窗
Opencv 膨脹與腐蝕
簡而言之 一組基於形狀處理影象的操作。形態操作將結構元素應用於輸入影象並生成輸出影象。最基本的形態作用是 侵蝕和擴張。它們有廣泛的用途，即 消除噪音 隔離單個元素並連線影象中的不同元素。查詢影象中的強度凸點或孔 我們將簡要解釋膨脹和侵蝕，使用以下影象作為示例 該操作包括將影象與某些核心 b 進行卷積...
OpenCV 膨脹與腐蝕
include include include using namespace cv using namespace std int element size 3 int max size 21 mat src,dst void callback demo int,void int main int...
OpenCV 膨脹與腐蝕
全域性變數宣告 mat g srcimage,g dstimage int g ntrackbarnumber 0 0表示腐蝕erode，1表示膨脹dilate int g nkernelsize 3 核大小 全域性函式宣告 void on trackbarnumberchange int,void...