图像处理之灰度化，二值化，腐蚀，膨胀

灰度化，在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值。

二值图像（Binary Image）是指将图像上的每一个像素只有两种可能的取值或灰度等级状态

腐蚀就是将图像的边缘腐蚀掉。作用就是将目标的边缘的“毛刺”踢除掉。

膨胀就是将图像的边缘扩大些。作用就是将目标的边缘或者是内部的坑填掉。

使用腐蚀与膨胀，可以使目标表面更平滑。

import cv2
import numpy
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt

def get_gray_scale(img_path):
    # 将图像灰度化
    img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
    print('大小：{}'.format(img.shape))
    print("类型：%s" % type(img))
    # 让书和背景分离，这里我们将图片二值化
    retVal, image = cv2.threshold(img, 100, 255, cv2.THRESH_BINARY)

    # 开始进行腐蚀操作
    corrosion_img = cv2.getStructuringElement(cv2.MORPH_CROSS, (10, 10))  ##腐蚀预处理，确定处理核的大小,矩阵操作
    img3 = cv2.erode(image, corrosion_img, iterations=10)  # 进行腐蚀操作
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    expand_pic = cv2.dilate(img3, kernel)

    pic_matrix = numpy.array(expand_pic)
    print(pic_matrix)


    cv2.imshow('grayimg', expand_pic)
    cv2.waitKey(0)



if __name__=='__main__':
    # get the img_path
    sample_img_path = './sample1.jpg'
    get_gray_scale(sample_img_path)