1、均值濾波（簡單的平均卷積操作）：
blur = cv2.blur(img,(3,3)) # (3,3)為卷積核大小
2、方框濾波（基本和均值濾波一樣，可以選擇歸一化）：
box = cv2.boxfilter(img,-1,(3,3),normolize=true) # normolize=true表示卷積操作後除以9，也就是歸一化
3、高斯濾波：
gussian = cv2.gaussianblur(img,(5,5),1)
高斯核（離得近的畫素點更重要、權重更大）：
[0.6, 0.8, 0.6]
[0.8, 1.0, 0.8]
[0.6, 0.8, 0.6]
高斯影象：
4、中值濾波（去燥）：
median = cv2.medianblur(img,5)
3*3的9個畫素排序，取最中間的畫素作為當前畫素值
5、展示所有影象：
res = np.hstack((blur,gussian,median)) #三個影象合併，vstack為豎直合併
cv2.imshow('res',res)
6、腐蝕操作（變瘦）：
cv2.erode(img,kernel,iterations=1)
kernel決定腐蝕大小程度，iterations決定腐蝕操作迭代次數
7、膨脹操作（和腐蝕操作互為逆運算）
cv2.dilate(img,kernel,iterations=1)
8、開運算/閉運算：
開運算（先腐蝕、後膨脹）：cv2.morphplogyex(img,cv2.morph_open,kernel)
閉運算（先膨脹、後腐蝕）：cv2.morphplogyex(img,cv2.morph_close,kernel)
9、梯度運算（梯度 = 膨脹 - 腐蝕）：
cv2.morphplogyex(img,cv2.morph_gradient,kernel)
10、禮帽和黑帽：
禮帽 = 原始輸入 - 開運算結果：cv2.morphplogyex(img,cv2.morph_tophoat,kernel)
黑帽 = 閉運算 - 原始輸入：cv2.morphplogyex(img,cv2.morph_blackhat,kernel)
Opencv 膨脹與腐蝕
簡而言之 一組基於形狀處理影象的操作。形態操作將結構元素應用於輸入影象並生成輸出影象。最基本的形態作用是 侵蝕和擴張。它們有廣泛的用途，即 消除噪音 隔離單個元素並連線影象中的不同元素。查詢影象中的強度凸點或孔 我們將簡要解釋膨脹和侵蝕，使用以下影象作為示例 該操作包括將影象與某些核心 b 進行卷積...
OpenCV 膨脹與腐蝕
include include include using namespace cv using namespace std int element size 3 int max size 21 mat src,dst void callback demo int,void int main int...
Open Cv 膨脹與腐蝕
影象形態學1 膨脹 dilate 與腐蝕 是灰度與二值影象處理中的重要手段 數學集合論和拓撲集合的基礎上發展起來 膨脹 dilate 與腐蝕 erode 最值濾波 3 3模板？膨脹 3 3模板中的最大值替換中心畫素 腐蝕 3 3模板中的最小值替換中心畫素 膨脹的作用 物件大小增加乙個畫素 3x3 平...