形态学开运算与闭运算

发表于2023-07-14|更新于2026-09-01|教程OpenCV

|总字数:153|阅读时长:1分钟|浏览量:

开运算:

先腐蚀后膨胀

闭运算:

先膨胀后腐蚀

梯度运算:

开运算-闭运算

'''先腐蚀后膨胀'''

#闭运算
"""先膨胀后腐蚀"""
import cv2
import numpy as np
img = cv2.imread("a28.png")
ret,thresh = cv2.threshold(img,127,255,cv2.THRESH_BINARY,0)
cv2.imshow('THRESH',thresh)
cv2.waitKey(500)

#开
kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel)
cv2.imshow('opening',opening)
cv2.waitKey(300)
#闭
closing = cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,kernel)
cv2.imshow('closing',closing)
cv2.waitKey(3000)

#梯度运算   开运算-闭运算
gradient = cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)
cv2.imshow('gradient',gradient)
cv2.waitKey(0)

文章作者: YuKiFuHaNe

文章链接: https://blog.yukifuhane.cn.eu.org/2023/07/14/%E5%BD%A2%E6%80%81%E5%AD%A6%E5%BC%80%E8%BF%90%E7%AE%97%E4%B8%8E%E9%97%AD%E8%BF%90%E7%AE%97/

版权声明: 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 YuKiFuHaNeの博客！

OpenCV 形态学操作开运算闭运算梯度运算腐蚀膨胀

相关推荐

OpenCV 形态学操作：腐蚀与膨胀

代码12345678910111213141516171819import cv2import numpy as npimg = cv2.imread("a28.png")ret,thresh = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV,0)cv2.imshow("thresh",thresh)cv2.waitKey(500)# cv2.destroyAllWindows()#腐蚀kernel = np.ones((3,3),dtype=np.uint8)erosion = cv2.erode(thresh,kernel,iterations=1) #literations 为迭代次数# res = np.hstack(erosion)cv2.imshow('erosion',erosion)cv2.waitKey(0)# cv2.destroyAllWindows()#膨胀dige_dilate = cv2.dilate(thresh,kernel,...

低通滤波与高通滤波

概念代码12345678910111213141516171819202122232425262728293031323334import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread('face.png',0)img_float32 = np.float32(img)dft = cv2.dft(img_float32,flags = cv2.DFT_COMPLEX_OUTPUT)dft_shift = np.fft.fftshift(dft)rows,cols = img.shapecrow,ccol = int(rows/2),int(cols/2) #中心位置'''#低通滤波mask = np.zeros((rows,cols,2),np.uint8)mask[crow-30:crow+30,ccol-30:ccol+30] = 1'''#高通滤波mask = np.ones((...

OpenCV 拆分与合并 BGR 通道

1234567891011121314151617181920212223import cv2import numpy as npimg = cv2.imread('lingbosize.png')#拆分rgb通道b,g,r = cv2.split(img)gree = np.zeros(img.shape[:2],np.uint8)red = np.zeros(img.shape[:2],np.uint8)#合并bgr通道merged = cv2.merge([b,g,r])cv2.imshow('B',b)cv2.imshow('G',g)cv2.imshow('R',r)cv2.imshow('merge',merged)cv2.waitKey(0)cv2.destroyAllWindows()

中值滤波去噪

1234567891011import cv2import matplotlib as np#去噪点最好img = cv2.imread("a28.png")median = cv2.medianBlur(img,5)# res = np.hstack((median)) #vstack 竖着的cv2.imshow('image',img)cv2.imshow('median',median)cv2.waitKey(0)cv2.destroyAllWindows()

OpenCV 轮廓特征与轮廓近似

cv2.findContours(img,mode,method)： mode：轮廓检索模式 ·RETR_EXTERNAL 只检测最外面的轮廓 ·RETR_LIST 检索所有的轮廓，并将其保存到一条链表当中 ·RETR_CCOMP 检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界 ·RETR_TREE 检索所有的轮廓，并重构嵌套轮廓的整个层次method：轮廓逼近方法 ·CHAIN_APPROX_NONE 以Freeman链码的方式输出轮廓，所有其他方法使出多边形（顶点的序列） ·CHAIN_APPROX_SIMPLE 压缩水平的、垂直和斜的部分，也就是，函数只保留他们的终点部分 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152#cv2.findContours(i...

OpenCV 模板匹配入门

12345678910111213141516171819202122232425#TemplateMatchModes''' ·TM-SQDIFF 计算平方不同，计算出来的值越小，越相关 ·TM_CCORR 计算相关性，计算出来的值越大，越相关 ·TM_CCOEFF 计算相关系数，计算出来的值越大，越相关 ·TM_SQDIFF_NORMED 计算归一化平方不同，计算出来的值越接近0，越相关 ·TM_CCORR_NORMED 计算归一化相关性，计算出来的值越接近1，越相关 `TM_CCOEFF_NORMED 计算归一化相关系数，计算出来的值越接近1，越相关'''import cv2img = cv2.imread("dm.png")template = cv2.imread("dm_face.png")h,w = template...