机器学习进阶-图像形态学操作-梯度运算 cv2.GRADIENT(梯度运算-膨胀图像-腐蚀后的图像)...

最新推荐文章于 2024-11-04 21:13:24 发布

转载最新推荐文章于 2024-11-04 21:13:24 发布 · 1.1k 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

原文链接：http://www.cnblogs.com/my-love-is-python/p/10395127.html

标签

#人工智能 #python

收录于

本文详细介绍了如何使用OpenCV进行图像边缘检测，通过腐蚀和膨胀操作获取图像的边缘轮廓，对比两种不同的梯度运算方法，即直接相减和使用cv2.MORPH_GRADIENT函数，并展示了具体实现代码。

1.op = cv2.GRADIENT 用于梯度运算-膨胀图像-腐蚀后的图像

梯度运算：表示的是将膨胀以后的图像 - 腐蚀后的图像，获得了最终的边缘轮廓

代码：

第一步：读取pie图片

第二步：进行腐蚀和膨胀操作

第三步：将膨胀的图像 - 腐蚀的图像，获得相减得图像

第四步：使用cv2.morphologyEx(src, cv2.GRADIENT, kernel) 获得梯度运算的图片的操作

第五步：绘制第三步和第四步生成的图片

import cv2
import numpy as np

# 第一步：读取图片
pie = cv2.imread('pie.png')

# 第二步：绘制腐蚀和膨胀图片
kernel = np.ones((5, 5), np.uint8)
erosion = cv2.erode(pie, kernel, iterations=2)
dilate = cv2.dilate(pie, kernel, iterations=2)
# 第三步：相减获得对应的图片
decrease = dilate - erosion
print(decrease.shape)
cv2.imshow('pie', pie)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 第四步：使用cv2.MORPH_GRADIENT获得梯度运算的图片
gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel, iterations=2)
# 第五步：绘制两者的图片
cv2.imshow('gradient', np.hstack((decrease, gradient)))
cv2.waitKey(0)
cv2.destroyAllWindows()