培训网站图片,济南品牌网站建设价格,深圳网站建设 设计卓越迈,深圳设计周展会2023时间形态学中的膨胀操作即让照片变得更大#xff0c;与腐蚀操作互为逆运算 cv2.dilate(erosion,kernel,iterations 1) 第一个参数#xff1a;图像对象名称 第二个参数#xff1a;卷积核的大小 第三个参数#xff1a;迭代次数 此时就可与腐蚀操作进行相结合#xff0c;腐蚀去毛…形态学中的膨胀操作即让照片变得更大与腐蚀操作互为逆运算 cv2.dilate(erosion,kernel,iterations 1) 第一个参数图像对象名称 第二个参数卷积核的大小 第三个参数迭代次数 此时就可与腐蚀操作进行相结合腐蚀去毛毛但是会损坏图像粗细然后再膨胀尽可能还原图像 import cv2 import numpy as npdef show_photo(name,picture):cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()img cv2.imread(E:\Jupyter_workspace\study\data/jiaju.png) show_photo(jiaju,img)kernel np.ones((3,3),np.uint8) erosion cv2.erode(img,kernel,iterations 1) show_photo(erosion,erosion)kernel np.ones((3,3),np.uint8) dige_dilate cv2.dilate(erosion,kernel,iterations 1) show_photo(dilate,dige_dilate)res np.hstack((img,erosion,dige_dilate)) show_photo(YT_FS-PZ,res)原图 腐蚀 膨胀 合并对比 接着看下迭代次数iterations对膨胀操作的效果 import cv2 import numpy as npdef show_photo(name,picture):cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()pie cv2.imread(E:\Jupyter_workspace\study\data/pie.png)kernel np.ones((30,30),np.uint8) dilate_1 cv2.dilate(pie,kernel,iterations 1) dilate_2 cv2.dilate(pie,kernel,iterations 2) dilate_3 cv2.dilate(pie,kernel,iterations 3) res np.hstack((pie,dilate_1,dilate_2,dilate_3))show_photo(YT_1-2-3,res)