ERO_INV

showimg(name,img):cv2.imshow(name,img)cv2.waitKey(0)cv2.destroyAllWindows()

img_dog

cv2.cvtColor(img_dog,cv2.COLOR_BGR2GRAY)

img_gray.shape

showimg(dog,img_gray)测试图像阈值的处理并在行内绘制经过图像阈值处理之后的图像信息彩色图像进行处理

ret,

gray)plt.title(titles[i])plt.xticks([]),

plt.yticks([])

读入给出一张含有多个图像噪音的图片。

对图像进行平滑处理可以简单的理解为使用滤波去除图像中噪音的过程

img_n

cv2.imread(./res/lenaNoise.png)

showimg(noise,img_n)滤波可以类比与卷积操作对图像中的像素值进行处理

cv2.blur(img,

cv2.destroyAllWindows()从而可以看出明显的平滑处理的样式

方框滤波

cv2.destroyAllWindows()其他使用较多的方式包括了均值滤波和高斯滤波等一些常规的方法

高斯滤波

cv2.destroyAllWindows()所有的平滑处理结果进行展示

res

np.hstack((blur,aussian,median))

#print

即设置迭代的次数和操作的大小对白色的边缘区域来进行进一步的处理。

dige

cv2.imread(./res/dige.png)cv2.imshow(img,

dige)

cv2.destroyAllWindows()cv2.erode(dige,kernel,iterations

图像操作大小迭代次数

cv2.erode(dige,kernel,iterations

erosion)

cv2.destroyAllWindows()腐蚀操作的一个逆操作可以看作是一个膨胀操作。

使得白色的区域变大

在执行腐蚀完成之后白色的小区域虽然去掉了但是线条的大小变小因此需要使用膨胀操作

cv2.dilate(erosion,kernel,iterations

kernel

cv2.dilate(erosion,kernel,iterations

1)cv2.imshow(dilate,

cv2.destroyAllWindows()完成膨胀操作进行扩充线条的粗细。

开运算与闭运算

本质就是一个综合进行处理的过程信息。

cv2.morphologyEx()

开先腐蚀再膨胀

梯度cv2.MORPH_GRADIENT膨胀-腐蚀简单理解是梯度运算是用来筛选图片的边界区域的。

res

cv2.dilate(pie,kernel,iterations

erosion

cv2.erode(pie,kernel,iterations

5)res

np.hstack((dilate,erosion))cv2.imshow(res,

res)

cv2.destroyAllWindows()执行梯度运算来进行筛选。

gradient