C++|C++ Opencv自写函数实现膨胀腐蚀处理技巧 C++Opencv自写函数实现膨胀腐蚀

一、膨胀腐蚀学习笔记
二、代码及结果分享
三、注意事项

3.1A.dot(B)
3.2A.mul(B)

一、膨胀腐蚀学习笔记

文章图片

二、代码及结果分享

#include #include using namespace std; using namespace cv; //定义腐蚀函数void myErode(Mat Src, Mat Tem, Mat Dst){ int m = (Tem.rows - 1) / 2; int n = (Tem.cols - 1) / 2; for (int i = m; i < Src.rows - m; i++)//i、j的范围保证结构元始终在扩展后的图像内部 {for (int j = n; j < Src.cols - n; j++){Mat SrcROI = Src(Rect(j - m, i - n, Tem.cols, Tem.rows)); double sum = 0; sum = SrcROI.dot(Tem); //矩阵对应位置相乘后求和if (sum == 9)//结构元的9个元素均为1，和为9才能保证结构元完全包含于相应集合Dst.at(i, j) = 255; elseDst.at(i, j) = 0; } }}//定义膨胀函数void myDilate(Mat Src, Mat Tem, Mat Dst){ int m = (Tem.rows - 1) / 2; int n = (Tem.cols - 1) / 2; for (int i = m; i < Src.rows - m; i++)//i、j的范围保证结构元始终在扩展后的图像内部 {for (int j = n; j < Src.cols - n; j++){Mat SrcROI = Src(Rect(j - m, i - n, Tem.cols, Tem.rows)); double sum = 0; sum = SrcROI.dot(Tem); //矩阵对应位置相乘后求和if (sum != 0)//结构元的9个元素均为1，只要和不为0，就能说明结构元与相应集合有交集Dst.at(i, j) = 255; elseDst.at(i, j) = 0; } }}int main(){ Mat mImage = imread("dada.jpg", 0); if (mImage.data =https://www.it610.com/article/= 0) {cerr <<"Image reading error !" << endl; system("pause"); return -1; } namedWindow("The original image", WINDOW_NORMAL); imshow("The original image", mImage); //设置阈值将图像二值化 const int binThreshold = 80; for (int i = 0; i < mImage.rows; i++) {uchar* pImage = mImage.ptr(i); for (int j = 0; j < mImage.cols; j++){if (pImage[j] > binThreshold)//事实上应将灰度值大于阈值的赋值为255，但为了方便后续膨胀腐蚀的计算，在这里将其赋值为1pImage[j]= 1; elsepImage[j] = 0; } } //定义并初始化结构元 Mat mTemplate(3, 3, CV_8UC1, Scalar(1)); if (mTemplate.rows * mTemplate.cols % 2 == 0) {cerr << "The size doesn't meet the requirement !" << endl; system("pause"); return -1; } //扩展图像边界 copyMakeBorder(mImage, mImage, mTemplate.rows, mTemplate.rows, mTemplate.cols, mTemplate.cols, BORDER_CONSTANT, Scalar(0)); //进行图像腐蚀 Mat mEResult = mImage.clone(); myErode(mImage, mTemplate, mEResult); //进行图像膨胀 Mat mDResult = mImage.clone(); myDilate(mImage, mTemplate, mDResult); //进行显示 namedWindow("The eroding image", WINDOW_NORMAL); imshow("The eroding image", mEResult); namedWindow("The dilating image", WINDOW_NORMAL); imshow("The dilating image", mDResult); waitKey(); destroyAllWindows(); return 0; }

文章图片

膨胀(dilate)和腐蚀(erode)均是对白色区域而言。由结果可明显看出，膨胀后的白色面积要比腐蚀后的大。由图像左下角的水印变化也可直观看出两种操作对图像的不同影响。

三、注意事项在本次编程实现过程中，为了确定结构元是否包含于集合（或与集合是否有交集），需要让结构元中各元素与图像中对应位置像素值相乘后求和。Mat类型中有几种不同类型的乘法，在这里加以总结。
Mat A, B ;

3.1A.dot(B)
A、B对应位置元素相乘，之后将所有乘积相加求和，返回值是double型数字。要求A、B size必须相同。

#include #include using namespace std; using namespace cv; int main(){ uchar A[3][3] = { {1,2,3},{4,5,6},{7,8,9} }; uchar B[3][3] = { { 1,1,1 },{ 1,1,1 },{ 1,1,1 } }; Mat Src(3, 3, CV_8UC1, A); Mat Dst(3, 3, CV_8UC1, B); double Result = Src.dot(Dst); cout << "Src：" << Src << endl; cout << "Dst：" << Dst << endl; cout << "Result：" << Result << endl; system("pause"); return 0; }

文章图片

3.2A.mul(B)
A、B对应位置元素相乘，返回值是和A、B等大小，同类型的Mat型矩阵。要求A、B size必须相同。若计算结果溢出，则溢出值自动变为当前数据类型下允许的的最大值。

#include #include using namespace std; using namespace cv; int main(){ uchar A[3][3] = { {1,2,3},{4,5,6},{7,8,9} }; uchar B[3][3] = { { 1,1,1 },{ 1,1,1 },{ 1,1,1 } }; Mat Src(3, 3, CV_8UC1, A); Mat Dst(3, 3, CV_8UC1, B); Mat Result = Src.mul(Dst); cout << "Src：" << Src << endl; cout << "Dst：" << Dst << endl; cout << "Result：" << Result << endl; system("pause"); return 0; }