学习OpenCV范例（十二）——更多形态学变换

来源：互联网发布：js端口探测编辑：程序博客网时间：2024/05/17 02:23

在学习了图像膨胀和腐蚀这两个形态学操作之后，我们在这基础上又实现了其他一些形态学的操作，接下来介绍的操作有：开运算，闭运算，形态学梯度，顶帽，黑帽

1、原理

①开运算

操作：开运算是通过先对图像腐蚀再膨胀实现的。

$dst = open( src, element) = dilate( erode( src, element ) )$
作用：能够排除小团块物体(假设物体较背景明亮)，可以消除高于邻近点的孤立点，达到去噪作用，可以平滑物体轮廓、断开较窄的狭颈。
请看下面，左图是原图像，右图是采用开运算转换之后的结果图。观察发现字母出现了断裂。

图1、原图图2、开运算

②闭运算

操作：闭运算是通过先对图像膨胀再腐蚀实现的。

$dst = close( src, element ) = erode( dilate( src, element ) )$
作用：能够排除小型黑洞(黑色区域)，可以消除低于邻近点的孤立点，达到去噪作用，可以平滑物体轮廓、弥合较窄的间断和细长的沟壑，消除小孔洞，填补轮廓线中的断裂。

观察发现字母n和u中间被链接起来了

图3、闭运算

③形态梯度

操作：膨胀图与腐蚀图之差
$dst = morph_{grad}( src, element ) = dilate( src, element ) - erode( src, element )$
作用：能够保留物体的边缘轮廓，如下所示:

图4、心态梯度

④顶帽

操作：原图像与开运算结果图之差
$dst = tophat( src, element ) = src - open( src, element )$

作用：分离比邻近点亮的斑块，突出明亮的区域，如下所示:

图5、顶帽

⑤黑帽

操作：闭运算结果图与原图像之差

$dst = blackhat( src, element ) = close( src, element ) - src$

作用：分离比邻近点暗的斑块，突出黑暗的区域，如下所示:

图6、黑帽

2、代码实现

#include "stdafx.h"#include "opencv2/imgproc/imgproc.hpp"#include "opencv2/highgui/highgui.hpp"#include <stdlib.h>#include <stdio.h>using namespace cv;/// 全局变量Mat src, dst;int morph_elem = 0;int morph_size = 0;int morph_operator = 0;int const max_operator = 4;int const max_elem = 2;int const max_kernel_size = 21;char* window_name = "Morphology Transformations Demo";/** 回调函数申明 */void Morphology_Operations( int, void* );/** @函数 main */int main( int argc, char** argv ){  /// 装载图像  src = imread( "LinuxLogo.jpg" );  if( !src.data )  { return -1; } /// 创建显示窗口 namedWindow( window_name, CV_WINDOW_AUTOSIZE ); /// 创建选择具体操作的 trackbar createTrackbar("Operator:\n 0: Opening - 1: Closing \n 2: Gradient - 3: Top Hat \n 4: Black Hat", window_name, &morph_operator, max_operator, Morphology_Operations ); /// 创建选择内核形状的 trackbar createTrackbar( "Element:\n 0: Rect - 1: Cross - 2: Ellipse", window_name,                 &morph_elem, max_elem,                 Morphology_Operations ); /// 创建选择内核大小的 trackbar createTrackbar( "Kernel size:\n 2n +1", window_name,                 &morph_size, max_kernel_size,                 Morphology_Operations ); /// 启动使用默认值 Morphology_Operations( 0, 0 ); waitKey(0); return 0; } /**  * @函数 Morphology_Operations  */void Morphology_Operations( int, void* ){  // 由于 MORPH_X的取值范围是: 2,3,4,5 和 6  int operation = morph_operator + 2;  Mat element = getStructuringElement( morph_elem, Size( 2*morph_size + 1, 2*morph_size+1 ), Point( morph_size, morph_size ) );  /// 运行指定形态学操作  morphologyEx( src, dst, operation, element );  imshow( window_name, dst );  }

3、运行结果

图7、原图

图8、交错内核+开运算

图9、椭圆内核+黑帽

4、用到的类和函数

morphologyEx：

功能：运行更高级的形态学变换

结构：

void morphologyEx(InputArray src, OutputArray dst, int op, InputArray element, Point anchor=Point(-1,-1), int iterations=1, int borderType=BORDER_CONSTANT, const Scalar& borderValue=morphologyDefaultBorderValue() )

src ：源图像
dst ：目标图像，和源图像有同样的size和type
element ：结构元素
op ：
形态操作的类型:
MORPH_OPEN - 开运算:2
MORPH_CLOSE - 闭运算:3
MORPH_GRADIENT - 形态梯度:4
MORPH_TOPHAT - “顶帽”:5
MORPH_BLACKHAT - “黑帽”:6

他们的取值分别为：2-6
iterations ：膨胀和腐蚀次数

以闭操作迭代两次为例，执行的过程是膨胀-膨胀-腐蚀-腐蚀，而不是膨胀-腐蚀-膨胀-腐蚀。

borderType ：边缘点插值类型

0 0