使用OpenCV的Python最小过滤器

我正在尝试使用OpenCV库对一些图像应用min filter。如何使用OpenCV在Python中实现最小过滤器？ 有什么功能可以做到这一点吗？

---

如果没有，我怎么写呢？

形态学侵蚀是一个最小的过滤器。在OpenCV中，这是在函数中实现的。

通过

min filter

我猜您的意思是通过图像中的每个位置运行内核，并用内核像素内的最小值替换内核中心

要在Opencv中实现这一点，您只需使用，

cv2.correase

。文件

但是首先，您需要定义内核的大小和形状。您可以使用

cv.getStructuringElement

doc:

例如：

size = (3, 3)
shape = cv2.MORPH_RECT
kernel = cv2.getStructuringElement(shape, size)
min_image = cv2.erode(image, kernel)

---

除了前面的答案之外，我还在python+opencv中实现了应用最小和最大框过滤器的代码

import cv2

def minimumBoxFilter(n, path_to_image):
  img = cv2.imread(path_to_image)

  # Creates the shape of the kernel
  size = (n, n)
  shape = cv2.MORPH_RECT
  kernel = cv2.getStructuringElement(shape, size)

  # Applies the minimum filter with kernel NxN
  imgResult = cv2.erode(img, kernel)

  # Shows the result
  cv2.namedWindow('Result with n ' + str(n), cv2.WINDOW_NORMAL) # Adjust the window length
  cv2.imshow('Result with n ' + str(n), imgResult)


def maximumBoxFilter(n, path_to_image):
  img = cv2.imread(path_to_image)

  # Creates the shape of the kernel
  size = (n,n)
  shape = cv2.MORPH_RECT
  kernel = cv2.getStructuringElement(shape, size)

  # Applies the maximum filter with kernel NxN
  imgResult = cv2.dilate(img, kernel)

  # Shows the result
  cv2.namedWindow('Result with n ' + str(n), cv2.WINDOW_NORMAL) # Adjust the window length
  cv2.imshow('Result with n ' + str(n), imgResult)


if __name__ == "__main__":
  path_to_image = 'images/africa.tif'

  print("Test the function minimumBoxFilter()")
  minimumBoxFilter(3, path_to_image)
  minimumBoxFilter(5, path_to_image)
  minimumBoxFilter(7, path_to_image)
  minimumBoxFilter(11, path_to_image)
  cv2.waitKey(0)
  cv2.destroyAllWindows()

  print("Test the function maximumBoxFilter()")
  maximumBoxFilter(3, path_to_image)
  maximumBoxFilter(5, path_to_image)
  maximumBoxFilter(7, path_to_image)
  maximumBoxFilter(11, path_to_image)
  cv2.waitKey(0)
  cv2.destroyAllWindows()

其中路径\到\图像是一个字符串。例如：“images/africa.tif”

我得到以下结果：

具有最小过滤器：

具有最大过滤器：

---

也许您需要Numpy np.amin（）。