Python用cv2显示1.png的前景背景分割后的二值图像、腐蚀图、膨胀图，梯度图、开运算、闭运算

在Python中，使用OpenCV（cv2库）处理图像并显示不同操作的结果，你需要首先读取图片，然后对二值化图像进行预处理。以下是展示1.png图像的一些基本步骤：

1. **加载图像**:

   import cv2
   img = cv2.imread('1.png', cv2.IMREAD_GRAYSCALE)  # 读取灰度图像

2. **前景背景分割（二值化）**:
这里假设你已经有了阈值将图像转换为二值，例如通过Otsu's thresholding：

   _, binary_img = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

3. **腐蚀** (erosion) 减少图像边缘的小黑点：

   kernel = np.ones((3, 3), np.uint8)  # 创建一个3x3的结构元素
   eroded_img = cv2.erode(binary_img, kernel)

4. **膨胀** (dilation) 扩大图像的边界：

   dilated_img = cv2.dilate(binary_img, kernel)

5. **梯度图 (Sobel算子)** 计算图像的梯度：

   sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)  # 水平梯度
   sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)  # 垂直梯度
   gradient_img = cv2.bitwise_or(sobelx, sobely)

6. **开运算 (Opening)** 先腐蚀再膨胀，用于去除小噪声：

   opening_img = cv2.morphologyEx(binary_img, cv2.MORPH_OPEN, kernel)

7. **闭运算 (Closing)** 先膨胀再腐蚀，用于连接断裂的部分：

   closing_img = cv2.morphologyEx(binary_img, cv2.MORPH_CLOSE, kernel)

8. **显示结果**:

   for img_name, processed_img in zip(['binary', 'eroded', 'dilated', 'gradient', 'opening', 'closing'], [binary_img, eroded_img, dilated_img, gradient_img, opening_img, closing_img]):
       cv2.imshow(f"{img_name}", processed_img)
   cv2.waitKey(0)
   cv2.destroyAllWindows()