计算机视觉入门教程之图像的侵蚀和膨胀
侵蚀和膨胀通常用于减少二进制图像中的噪声。为了减小前景对象的大小,我们可以通过多次迭代来侵蚀掉像素:mask = thresh.copy()mask = cv2.erode(mask, None, iterations=5)cv2.imshow("Eroded", mask)cv2.waitKey(0)同样,我们可以在蒙版中前景区域。要扩大区域,同样地,膨胀会增加地面物体的大小:mask = th
·
侵蚀和膨胀通常用于减少二进制图像中的噪声。
为了减小前景对象的大小,我们可以通过多次迭代来侵蚀掉像素:
mask = thresh.copy()
mask = cv2.erode(mask, None, iterations=5)
cv2.imshow("Eroded", mask)
cv2.waitKey(0)
同样,我们可以在蒙版中前景区域。要扩大区域,同样地,膨胀会增加地面物体的大小:
mask = thresh.copy()
mask = cv2.dilate(mask, None, iterations=5)
cv2.imshow("Dilated", mask)
cv2.waitKey(0)
左边为侵蚀右边为阈值化原图,下为膨胀
更多推荐
所有评论(0)