1-9 图像膨胀 opencv树莓派4B 入门系列笔记

一、提前准备

二、代码详解

kernel = np.ones((3, 3), np.uint8)

_, binary_image = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)

dilated_image = cv2.dilate(binary_image, kernel, iterations=1)

三、运行现象

四、完整代码

五、完整工程贴出

一、提前准备

1、树莓派4B 及 64位系统

2、提前安装opencv库以及 numpy库

3、保存一张图片

二、代码详解

1、读取灰度图以及彩色图

# coding: utf-8 
# 图像膨胀的目的: 1、膨胀操作主要是使图像中高亮部分扩张，使得膨胀后的图像拥有比原图更大的高亮区域。2、将有价值的信息放大import cv2
import numpy as np#从指定目录读取一张图片
image=cv2.imread('/home/raspberry4B/Pictures/MD.jpg',0)
image2=cv2.imread('/home/raspberry4B/Pictures/MD.jpg',-1)

2、图像膨胀操作

#定义膨胀操作的结构元素
kernel=np.ones((3,3),np.uint8)#图像二值化处理:使用127作为阈值  
_, binary_image = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)  #进行图像膨胀操作(对二值图进行膨胀),iterations表示膨胀次数
dilated_image=cv2.dilate(binary_image,kernel,iterations=1)
dilated_image2=cv2.dilate(image2,kernel,iterations=1)

`kernel = np.ones((3, 3), np.uint8)`

功能: 定义膨胀操作的结构元素。
参数:
- (3, 3): 结构元素的大小为3x3的矩阵。
- np.uint8: 数据类型，表示无符号8位整数。

`_, binary_image = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)`

功能: 将灰度图像进行二值化处理，生成二值图像。
参数:
- image: 输入的灰度图像。
- 127: 阈值。小于此值的像素设置为0，大于等于此值的像素设置为255。
- 255: 最大值。大于等于阈值的像素设置为该值。
- cv2.THRESH_BINARY: 二值化模式，将像素值二分为0和255。

`dilated_image = cv2.dilate(binary_image, kernel, iterations=1)`

功能: 对二值图像进行膨胀操作。
参数:
- binary_image: 输入的二值图像。
- kernel: 进行膨胀操作的结构元素。
- iterations=1: 膨胀操作的次数，表示重复膨胀操作一次。

3、图像显示

while True:#显示原始图\二值图\腐蚀后的图cv2.imshow('Original image',image)cv2.imshow('Dilated image',dilated_image)cv2.imshow('Binary Image', binary_image)  cv2.imshow('Original image2',image2)cv2.imshow('Dilated image2',dilated_image2)#等待按下‘q’退出key=cv2.waitKey(1)if key&0XFF==ord('q'):break
#释放所有资源
cv2.destroyAllWindows()

三、运行现象

增加膨胀次数效果会更明显

图像膨胀的目的:

1、膨胀操作主要是使图像中高亮部分扩张，使得膨胀后的图像拥有比原图更大的高亮区域

2、将有价值的信息放大

四、完整代码

# coding: utf-8 
# 图像膨胀的目的: 1、膨胀操作主要是使图像中高亮部分扩张，使得膨胀后的图像拥有比原图更大的高亮区域。2、将有价值的信息放大import cv2
import numpy as np#从指定目录读取一张图片
image=cv2.imread('/home/raspberry4B/Pictures/MD.jpg',0)
image2=cv2.imread('/home/raspberry4B/Pictures/MD.jpg',-1)
#定义膨胀操作的结构元素
kernel=np.ones((3,3),np.uint8)#图像二值化处理:使用127作为阈值  
_, binary_image = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)  #进行图像膨胀操作(对二值图进行膨胀),iterations表示膨胀次数
dilated_image=cv2.dilate(binary_image,kernel,iterations=1)
dilated_image2=cv2.dilate(image2,kernel,iterations=1)while True:#显示原始图\二值图\腐蚀后的图cv2.imshow('Original image',image)cv2.imshow('Dilated image',dilated_image)cv2.imshow('Binary Image', binary_image)  cv2.imshow('Original image2',image2)cv2.imshow('Dilated image2',dilated_image2)#等待按下‘q’退出key=cv2.waitKey(1)if key&0XFF==ord('q'):break
#释放所有资源
cv2.destroyAllWindows()