cv2.dilate() — это функция OpenCV в Python, которая применяет морфологический фильтр и расширение к изображениям. Расширение изображения увеличивает площадь объекта. Метод принимает два входа, один из которых — наше входное изображение; второй называется структурирующим элементом или ядром, определяющим характер операции.
Синтаксис
|
1 |
cv2.dilate(src, kernel[, anchor[, iterations[, borderType[, borderValue]]]]) |
Параметры
Функция dilate() принимает следующие параметры.
- image: это обязательный параметр и исходное изображение, на котором мы должны выполнить расширение.
- kernel: это обязательный параметр — 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.
- borderType: показывает, какую границу нужно добавить. Его определяют такие флаги, как cv2.BORDER_CONSTANT, cv2.BORDER_REFLECT и т. д.
- iterations: это необязательный параметр, для которого требуется несколько итераций.
- borderValue: это значение границы в случае постоянной границы.
Расширение увеличивает белую область на изображении или увеличивает размер объекта переднего плана.
Пример метода cv2.dilate() в Python
|
1 2 3 4 5 6 7 8 9 10 11 12 |
import numpy as np import cv2 img = cv2.imread('data.png', 1) cv2.imshow('Original', img) kernel = np.ones((5, 5), 'uint8') dilate_img = cv2.dilate(img, kernel, iterations=1) cv2.imshow('Dilated Image', dilate_img) cv2.waitKey(0) cv2.destroyAllWindows() |
Выход
В этом примере мы сначала импортировали модули cv2 и numpy. Затем мы читаем изображение с помощью метода imread().
На следующем шаге определяем ядро для расширения. Мы использовали функцию np.ones() для определения матрицы ядра. Ядро — это набор координат, также известный как структурирующий элемент.
Затем мы использовали функцию cv2.dilate() и передали ей три аргумента: image, kernel и iterations. Мы берем итерации = 1 для этого примера. На последних шагах мы отображаем увеличенное изображение.
Расширение изображения полезно, потому что если вы выполнили эрозию, то эрозия уже удалила белые шумы, но также сжала наш объект. Они не вернутся, так как шум пропал, но площадь нашего объекта увеличивается. Расширение помогает соединить сломанные части объекта.
