opencv|opencv(15)---图像膨胀腐蚀

基本概念 概述

  • 膨胀、腐蚀属于形态学的操作, 简单来说就是基于形状的一系列图像处理操作
  • 膨胀腐蚀是基于高亮部分(白色)操作的, 膨胀是対高亮部分进行膨胀, 类似“领域扩张”, 腐蚀是高亮部分被腐蚀, 类似“领域被蚕食”
  • 【opencv|opencv(15)---图像膨胀腐蚀】膨胀腐蚀的应用和功能:
    消除噪声
    分割独立元素或连接相邻元素
    寻找图像中的明显极大值、极小值区域
    求图像的梯度
  • 其他相关:
    开运算、闭运算
    顶帽、黑帽
    形态学梯度
代码
#include "mainwindow.h" #include #include #include using namespace std; using namespace cv; MainWindow::MainWindow(QWidget *parent) : QMainWindow(parent) { Mat srcImg=imread("1.bmp"); Mat dstImg; Mat element=getStructuringElement(MORPH_RECT,Size(5,5),Point(-1,-1)); /*膨胀*/ //dilate(srcImg,dstImg,element,Point(-1,-1),3); /*腐蚀*/ //erode(srcImg,dstImg,element,Point(-1,-1),3); /*开运算*/ //morphologyEx(srcImg,dstImg,MORPH_OPEN,element); /*闭运算---先膨胀再腐蚀*/ morphologyEx(srcImg,dstImg,MORPH_CLOSR,element); /*形态学梯度*/ morphologyEx(srcImg,dstImg,MORPH_GRADIENT,element); /*顶帽运算*/ morphologyEx(srcImg,dstImg,MORPH_TOPHAT,element); /*黑帽运算*/ morphologyEx(srcImg,dstImg,MORPH_BLACKHAT,element); imshow("srcImg",srcImg); imshow("dstImg",dstImg); }MainWindow::~MainWindow() {}

膨胀—dilate() 膨胀就是求局部最大值的操作, 从数学角度上来讲, 膨胀或腐蚀就是将图像(或区域)A与核B进行卷积。
核可以是任意大小和形状, 它有一个独立定义的参考点(锚点), 多数情况下, 核是一个小的中间带参考点和实心正方形或者圆盘, 可以看做是一个模板或掩码。
膨胀是求局部最大值的操做, 核B与图形卷积, 即核B覆盖的区域的像素点的最大值, 并把这个最大值复制给参考点指定的像素, 这样就会使图像中的高亮区域逐渐增长, 如下图所示:
opencv|opencv(15)---图像膨胀腐蚀
文章图片

函数原型 1. dilate
CV_EXPORTS_W void dilate( InputArray src, OutputArray dst, InputArray kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, const Scalar& borderValue = https://www.it610.com/article/morphologyDefaultBorderValue() );

  • src: 输入原图像(建议为二值图)
  • dst: 输出图像要求和src一样的尺寸和类型
  • kernel: 膨胀操作的核, 当为NULL时, 表示使用参考点位于中心的3x3的核
    一般使用getStructuringElement获得指定形状和尺寸的结构元素(核)
  • anchor: 锚的位置, 默认值Point(-1,-1), 表示位于中心
  • interations: 膨胀的次数
  • borderType: 边界模式, 一般采用默认值
  • borderValue: 边界值, 一般采用默认值
    2. getStructuringElement

  • 可选以下三种形状: 矩形、交叉形、椭圆形
  • ksize和anchor分别表示内核尺寸和锚点位置
    矩形
    交叉性
腐蚀—erode() 腐蚀和膨胀相反, 是取局部最小值, 高亮区域逐渐减小, 如下图所示:
opencv|opencv(15)---图像膨胀腐蚀
文章图片

函数原型
CV_EXPORTS_W void dilate( InputArray src, OutputArray dst, InputArray kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, const Scalar& borderValue = https://www.it610.com/article/morphologyDefaultBorderValue() );

形态学其他操作—morphologyEx() 开运算、闭运算、顶帽、黒帽、形态学梯度
基于膨胀腐蚀基础, 利用morphologyEx()函数进行操作
函数原型 1.
CV_EXPORTS_W void morphologyEx( InputArray src, OutputArray dst, int op, InputArray kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, const Scalar& borderValue = https://www.it610.com/article/morphologyDefaultBorderValue() );

  • src: 输入原图像
  • dst: 输出图像要求和src一样的尺寸和类型
  • op: 表示形态学运算的类型
  • kernel: 形态学运算内核, 若为NULL, 表示使用参考点位于中心的3x3内核, 一般使用 getStruecuringElement函数获得
  • anchor: 锚的位置, 默认值Point(-1,-1), 表示位于中心
  • interations: 迭代使用函数的次数, 默认为1
  • borderType: 边界模式, 一般采用默认值
  • borderValue: 边界值, 一般采用默认值

  • 2. OP取值类型
开运算(open) 概念
开运算是先腐蚀后膨胀的过程,
1)开运算可以用来消除小物体,
2)在纤细点处分离物体,
3)在平滑较大物体边界的同时不明显的改变其面积。
代码
morphologyEx(srcImg,dstImg,MORPH_OPEN,element);

运行结果
opencv|opencv(15)---图像膨胀腐蚀
文章图片

闭运算(close) 概念
闭运算是先膨胀后腐蚀的过程, 闭运算可以用来消除小型黑洞(黑色区域)
代码
morphologyEx(srcImg,dstImg,MORPH_CLOSR,element);

运行结果
opencv|opencv(15)---图像膨胀腐蚀
文章图片

形态学梯度(Gradient) 概念
形态学梯度是膨胀图与腐蚀图之差, 对二值图可以将团块(blob)边缘凸显出来来保留边缘轮廓
代码
morphologyEx(srcImg,dstImg,MORPH_GRADIENT,element);

运行结果
opencv|opencv(15)---图像膨胀腐蚀
文章图片

顶帽(Top Hat) 概念
顶帽运算也被称为”礼帽”, 是闭运算结果和原图像做差的结果, 可以用来分离比邻近点亮一些的斑块
代码
morphologyEx(srcImg,dstImg,MORPH_TOPHAT,element);

运行结果
opencv|opencv(15)---图像膨胀腐蚀
文章图片

黒帽(Black Hat) 概念
黑帽运算是原图像和开运算做差的结果, 可以用来分离比邻近点暗一些的斑块。
代码
morphologyEx(srcImg,dstImg,MORPH_BLACKHAT,element);

运行结果
opencv|opencv(15)---图像膨胀腐蚀
文章图片

膨胀腐蚀小应用 膨胀腐蚀走迷宫 opencv|opencv(15)---图像膨胀腐蚀
文章图片

代码
#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/core/core.hpp"#include using namespace std; using namespace cv; const char* imgName; //图片路径名称 int thres_min; //二值化最小阈值int main(int argc, char** argv) { if(argc>2) { imgName=argv[1]; thres_min=atoi(argv[2]); //const char*转为int类型 } else { cout<<"argv must more than 2 !\n"<contours; findContours(Copy, contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); if(contours.size()!=2) { cout<<"There are more than 2 walls"<contours2; findContours(diff, contours2, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); Mat draw2; draw2=Mat::zeros(img.size(), CV_32FC2); drawContours(img, contours2, 0, Scalar(0,255,0), -1); imshow("result", img); } else { cout<<"Read image error,please try again!\n"<

    推荐阅读