OpenCV 形态学操作：腐蚀与膨胀

发表于2023-07-14|更新于2026-09-01|教程OpenCV

|总字数:92|阅读时长:1分钟|浏览量:

代码

import cv2
import numpy as np
img = 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,iterations=1)
cv2.imshow('dilate',dige_dilate)
cv2.waitKey(0)
cv2.destroyAllWindows()

文章作者: YuKiFuHaNe

文章链接: https://blog.yukifuhane.cn.eu.org/2023/07/14/OpenCV-%E5%BD%A2%E6%80%81%E5%AD%A6%E6%93%8D%E4%BD%9C%EF%BC%9A%E8%85%90%E8%9A%80%E4%B8%8E%E8%86%A8%E8%83%80/

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！

Python OpenCV 形态学操作腐蚀膨胀图像处理

相关推荐

OpenCV 轮廓检测

轮廓检测：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 123456789101112131415161718192021222324252627282930313233#cv2.findContours(img,mode,method)#***** 要一个通道 **...

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()

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...

OpenCV 阈值处理

cv2.threshold(src,thresh,maxval,type) src = 输入图 dst = 输出图 thresh 阈值 maxval 当前像素超过了阈值（或者小于阈值，根据type决定），所赋予的值type 二值化操作的类型包含以下五种{ · cv2.THRESH_BINARY 超过阈值部分去maxval（最大值，否则取0）· cv2.THRESH_BINARY_INV (上面的反转)· cv2.THRESH_TRUNC 大于阈值部分设为阈值，否则不变· cv2.THRESH_TOZERO 大于阈值部分不变，否则设为0· cv2.THRESH_TOZERO_INV 上面的反转} 1234567891011121314151617181920212223242526272829303132333435import cv2import matplotlib as pltimport numpy as np'''ret,dst = cv2.threshold(s...

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()

ROI 感兴趣区域的截取

image[Y起点:Y终点,X起点:X终点] 1234567891011import cv2import numpy as npfrom matplotlib import pyplot as pltimport matplotlibimg = cv2.imread("a28.png")rows,cols,chn = img.shapeprint(rows,cols,chn)img1 = img[100:500,200:600]cv2.imshow("img1",img1)cv2.waitKey(0)cv2.destroyAllWindows()