机器学习进阶-图像形态学操作-腐蚀操作 1.cv2.erode(进行腐蚀操作)

1.cv2.erode(src, kernel, iteration)

参数说明：src表示的是输入图片，kernel表示的是方框的大小，iteration表示迭代的次数

腐蚀操作原理：存在一个kernel，比如(3, 3)，在图像中不断的平移，在这个9方框中，哪一种颜色所占的比重大，9个方格中将都是这种颜色

代码：

1.读取带有毛刺的图片

2.使用cv2.erode进行腐蚀操作，比较不同的kernel对结果的影响

3.读取圆的图片

4.使用cv2.erode进行腐蚀操作，比较不同的迭代次数对结果的影响

import cv2
import numpy as np

# 1.读取带有毛刺的图片
img = cv2.imread('dige.png')
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 2.比较不同的kernel最终的腐蚀效果
kernel = np.ones((3, 3), np.uint8)
erosion_1 = cv2.erode(img, kernel, iterations=1)
kernel_1 = np.ones((6, 6), np.uint8)
erosion_2 = cv2.erode(img, kernel_1, iterations=1)
cv2.imshow('erosion', np.hstack((erosion_1, erosion_2)))
cv2.waitKey(0)
cv2.destroyAllWindows()

# 3.读取圆的图片
pie = cv2.imread('pie.png')
cv2.imshow('pie', pie)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 4.比较不同的迭代次数对最终结果的影响
kernel = np.ones((20, 20), np.uint8)
erosion_1 = cv2.erode(pie, kernel, iterations=1)
erosion_2 = cv2.erode(pie, kernel, iterations=2)
erosion_3 = cv2.erode(pie, kernel, iterations=3)
imgs = np.hstack((erosion_1, erosion_2, erosion_3))
cv2.imshow('pie', imgs)
cv2.waitKey(0)
cv2.destroyAllWindows()