图像形态学变换 膨胀和腐蚀 开闭运算 边缘检测 opencv实现

一. 官方文档：

dilate（膨胀）：

函数原型 ↑

参数说明 ↑

cv.erode（腐蚀）的使用和其类似。

二. 实验：膨胀和腐蚀

# Writer : wojianxinygcl@# Date : .3.22import cv2 as cvimport numpy as npimage = cv.imread("../paojie.jpg")image = cv.cvtColor(image,cv.COLOR_RGB2GRAY)# 得到二值图像 定义阈值为127#ret,thresh1 = cv.threshold(image,127,255,cv.THRESH_BINARY)# 得到二值图像 自动计算合适的阈值ret,thresh1 = cv.threshold(image,0,255,cv.THRESH_BINARY+cv.THRESH_OTSU)Black_and_White = thresh1.copy()# 得到腐蚀图像，3*3为卷积核大小erode_result = cv.erode(thresh1,(3,3))# 得到膨胀图像，3*3为卷积核大小dilate_result = cv.dilate(thresh1,(3,3))cv.imshow('Black_and_White',Black_and_White)cv.imshow("erode_result", erode_result)cv.imshow("dilate_result",dilate_result)cv.waitKey(0)cv.destroyAllWindows()

三. 实验输出：

原图（左）、膨胀图像（中）、腐蚀图像（右） ↑

四. 实验：开闭运算

# Writer : wojianxinygcl@# Date : .3.22import cv2 as cvimport numpy as npimage = cv.imread("../paojie.jpg")image = cv.cvtColor(image,cv.COLOR_RGB2GRAY)# 得到二值图像 定义阈值为127#ret,thresh1 = cv.threshold(image,127,255,cv.THRESH_BINARY)# 得到二值图像 自动计算合适的阈值ret,thresh1 = cv.threshold(image,0,255,cv.THRESH_BINARY+cv.THRESH_OTSU)Black_and_White = thresh1.copy()# 闭运算closing = cv.morphologyEx(thresh1, cv.MORPH_CLOSE, kernel=(3,3))# 开运算opening = cv.morphologyEx(thresh1, cv.MORPH_OPEN, kernel=(3,3))cv.imshow('Black_and_White',Black_and_White)cv.imshow("closing", closing)cv.imshow("opening", opening)cv.waitKey(0)cv.destroyAllWindows()

五. 实验输出：

原图（左）、闭运算（中）、开运算（右） ↑

六.Morphological Gradient 形态学梯度 用于检测图像边缘，得到图像轮廓

膨胀和腐蚀的差值得到：图像边缘

函数：gradient =cv.morphologyEx(img, cv.MORPH_GRADIENT, kernel)

七. 实验结果：

膨胀-腐蚀=图像边缘（图像轮廓） ↑

八. 写在最后的话：

创作不易，如果本文对您有帮助，记得点赞哦！

九. 版权声明：

未经作者允许，请勿随意转载抄袭，抄袭情节严重者，作者将考虑追究其法律责任，创作不易，感谢您的理解和配合！