母婴用品商城网站建设wordpress页面布局构造器

【1】引言

前序已经学习了腐蚀和膨胀的单独作用函数，还研究了按照不同顺序调用腐蚀和膨胀函数调整图像效果，相关文章包括且不限于：

python学opencv|读取图像（六十一）先后使用cv2.dilate()函数和cv2.erode()函数实现图像处理-CSDN博客

python学opencv|读取图像（六十）先后使用cv2.erode()函数和cv2.dilate()函数实现图像处理-CSDN博客

python学opencv|读取图像（五十九）使用cv2.dilate()函数实现图像膨胀处理-CSDN博客

python学opencv|读取图像（五十八）使用cv2.erode()函数实现图像腐蚀处理-CSDN博客

今天在此基础上，研究另一种图像处理操作：梯度运算。

梯度运算的本质上还是膨胀和腐蚀运算，不过使用膨胀土减去俯视图，随意最后会凸显图像大致的轮廓。

【2】官网教程

点击下述链接，直达cv2.morphologyEx()函数的官网说明页面：

OpenCV: Image Filtering

这个页面主要介绍了cv2.morphologyEx()函数的参数：

图1 cv2.morphologyEx()函数的官网说明页面

具体的，cv2.morphologyEx()函数的参数意义为：

void cv::morphologyEx     (     

        InputArray     src,                                #输入图像
        OutputArray     dst,                             #输出图像
        int     op,                                             #图像操作方法
        InputArray     kernel,                          #像素核
        Point     anchor = Point(-1,-1),           #像素核的锚点位置
        int     iterations = 1,                            #迭代次数，默认值为1
        int     borderType = BORDER_CONSTANT,               #边界样式，可选参数
        const Scalar &     borderValue = morphologyDefaultBorderValue() ) #边界值，可选参数

由于cv2.morphologyEx()函数的图像操作方法多，所以点击链接到达方法说明网页：

OpenCV: Image Filtering

在这个页面，主要看梯度方法 MORPH_GRADIENT：

图2 cv2.morphologyEx()函数的方法-官网说明页面 

在图2可以看到，MorphTypes下有多种方法，其中erode腐蚀，dilate膨胀已经完成学习。此外，定义了先腐蚀后膨胀为open开运算，先膨胀后腐蚀为close闭运算，膨胀运算减去腐蚀运算是GRADIENT梯度运算。

【3】代码测试

由于只需要在cv2.morphologyEx()函数中直接调用GRADIENT方法就可以实现梯度运算，这里直接给出完整代码：

import cv2 as cv  # 引入CV模块
import numpy as np  # 引入numpy模块# 定义核
k = np.ones((3, 3), np.uint8)  # 定义核
k1 = np.ones((5, 5), np.uint8)  # 定义核
k2 = np.ones((7, 7), np.uint8)  # 定义核# 读取图片
srcm = cv.imread('srcbl.png')  # 读取图像srcck.png# 图像计算
#dstpz1 = cv.dilate(srcm, k)  # 图像膨胀运算，膨胀核大小为(3,3)
#dstpz2 = cv.dilate(srcm, k1)  # 图像膨胀运算，膨胀核大小为(5,5)
#dstpz3 = cv.dilate(srcm, k2)  # 图像膨胀运算，膨胀核大小为(7,7)#dstfs1 = cv.erode(dstpz1, k)  # 图像腐蚀运算，像素核大小为(3,3)
#dstfs2 = cv.erode(dstpz2, k1)  # 图像腐蚀运算，像素核大小为(5,5)
#dstfs3 = cv.erode(dstpz3, k2)  # 图像腐蚀运算，像素核大小为(7,7)dst=cv.morphologyEx(srcm,cv.MORPH_GRADIENT,k)
dst1=cv.morphologyEx(srcm,cv.MORPH_GRADIENT,k1)
dst2=cv.morphologyEx(srcm,cv.MORPH_GRADIENT,k2)
# 显示结果
cv.imshow('srcm ', srcm)
cv.imshow('dsttd', dst)
cv.imwrite('dsttd.png', dst)
cv.imshow('dsttd1', dst1)
cv.imwrite('dsttd1.png', dst1)
cv.imshow('dsttd2', dst2)
cv.imwrite('dsttd2.png', dst2)# 窗口控制
cv.waitKey()  # 图像不关闭
cv.destroyAllWindows()  # 释放所有窗口

代码运算使用的相关图像有：

图3 初始图像srcbl.png

 图4 梯度图像dsttd.png

 图5 梯度图像dsttd1.png 

 图6 梯度图像dsttd2.png 

由图3至图6可见，在cv2.morphologyEx()函数中直接调用GRADIENT方法进行梯度运算时，图像效果为膨胀运算减去腐蚀运算，但随着运算使用的像素核的增大，获得的梯度运算图像轮廓逐渐变得不够清晰。

【4】细节说明

梯度运算本身获得的轮廓就是不够精准的轮廓，因此尽可能调小像素核才能获得较为清晰的图像轮廓。

【5】总结

掌握了使用python+opencv调用cv2.morphologyEx()函数实现图像GRADIENT梯度运算的技巧。