OpenCV-Python — это библиотека Python, специально предназначенная для решения проблем компьютерного зрения. Морфологические преобразования представляют собой несколько простых операций, основанных на форме изображения. Обычно это выполняется на бинарных изображениях. Различают два основных морфологических преобразования:
- Увеличение изображения
- Эрозия изображения.
OpenCV-Python предоставляет модуль cv2, который поддерживает следующие две функции;
- cv2.dilate()
- cv2.erode()
Что такое функция Python cv2 erode()?
Чтобы выполнить размытие изображений, используйте метод cv2.erode() в Python. Erode() обычно применяется к бинарным изображениям. Метод erode() требует двух входных данных; один является входным образом, а второй называется структурирующим элементом или ядром, определяющим характер операции.
Синтаксис
|
1 |
cv2.erode(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]]) |
Параметры
- image: это обязательный параметр и исходное изображение, на котором нам нужно выполнить расширение.
- kernel: обязательный параметр — это матрица, с которой свёртывается изображение.
- dst: это выходное изображение того же размера и типа, что и исходное изображение.
- anchor: это переменная типа integer, представляющая точку привязки, и ее значение по умолчанию Point равно(-1, -1), что означает, что привязка находится в центре ядра.
- iterations: это необязательный параметр, для которого требуется несколько итераций.
- borderType: показывает, какую границу нужно добавить. Он определяется такими флагами, как cv2.BORDER_CONSTANT, cv2.BORDER_REFLECT и т. д.
- borderValue: это значение границы в случае постоянной границы.
Возвращаемое значение
Возвращает размытое изображение.
Пример
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
# app.py import numpy as np import cv2 img = cv2.imread('data.png', 1) cv2.imshow('Original', img) kernel = np.ones((5, 5), 'uint8') erode_img = cv2.erode(img, kernel, iterations=1) cv2.imshow('Eroded Image', erode_img) cv2.waitKey(0) cv2.destroyAllWindows() |
Вывод:
При эрозии ядро скользит по изображению (как это происходит в двумерной свертке). Пиксель во входном изображении (либо 1, либо 0) будет считаться 1, только если все пиксели под ядром равны 1; в противном случае он размывается (обнуляется).
Все пиксели рядом с границей будут отброшены в зависимости от размера ядра. Таким образом, толщина или размер объекта переднего плана уменьшается, или белая область изображения уменьшается. Это полезно для удаления небольших белых шумов, разделения двух связанных объектов и т. д.
Давайте посмотрим на другой пример.
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
# app.py import numpy as np import cv2 img = cv2.imread('data.png', 1) cv2.imshow('Original', img) kernel = np.ones((6, 6), 'uint8') erode_img = cv2.erode(img, kernel, cv2.BORDER_REFLECT, iterations=1) cv2.imshow('Eroded Image', erode_img) cv2.waitKey(0) cv2.destroyAllWindows() |
Вывод:
