Traitement de l'expansion et de la contraction de l'image
Environnement d'exécution
Préparation du chargement d'images avec Google Colaboratory
python
from google.colab import files
from google.colab import drive
drive.mount('/content/drive')
Chargement des bibliothèques requises
python
import cv2 #opencv
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
Préparation d'image
python
img = plt.imread("/content/drive/My Drive/Colab Notebooks/img/Lenna.bmp")
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
code
python
#Image originale
plt.subplot(2,3,1)
plt.title("Original", fontsize=10)
plt.imshow(gray)
kernel = np.ones((3,3),np.uint8)
#Sélectionnez celui avec une luminosité élevée dans la zone de taille de noyau étendue
plt.subplot(2,3,4)
plt.title("dilate", fontsize=10)
dst = cv2.dilate(gray,kernel,iterations = 1) #itérations: nombre d'extensions
plt.imshow(dst)
#Sélectionnez celui avec une faible luminosité dans la zone de taille du noyau de contraction
plt.subplot(2,3,5)
plt.title("erode", fontsize=10)
dst = cv2.erode(gray,kernel,iterations = 1) #itérations: nombre de retrait
plt.imshow(dst)
plt.show()
résultat
S'il est utilisé correctement, il peut être utilisé pour compléter les valeurs manquantes et supprimer le bruit.
Recommended Posts