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
#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:
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
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
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
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
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
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
文章图片
膨胀腐蚀小应用 膨胀腐蚀走迷宫
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
- 人工智能|OpenCV之形态学操作(消除文章批注)
- 计算机视觉|OpenCV之图像轮廓(绘制图像轮廓)
- Machine|【机器学习】当贝叶斯、奥卡姆和香农一起来定义机器学习时
- 图像处理|OpenCV Tutorials(三)矩阵的掩码(或卷积)操作
- opencv|openCV基础知识操作实例
- OpenCV报错 error: (-215) ssize.width > 0 && ssize.height > 0 in function
- 实验环境搭建|OpenCV Error: Assertion failed (size.width>0 && size.height>0) in imshow
- Opencv|Opencv报错Assertion failed (size.width>0 && size.height>0) in imshow【多个解决方案】
- opencv|OpenCV imread报错 error: (-215) size.width > 0 && size.height > 0 in function