OpenCV|OpenCV学习之路（十二）形态学操作 OpenCV|学习

目录
腐蚀与膨胀
更多的形态学操作
腐蚀与膨胀
更多形态学操作

腐蚀与膨胀
形态学操作就是基于形状的一系列图像处理操作。
最基本的形态学操作就是腐蚀( erode )和膨胀( dilate )。其主要功能如下：
消除噪声；
分割出独立的图像元素，在图像中连接相邻的元素；
寻找图像中明显的极大值区域或极小值区域；
求出图像的梯度。
1. 膨胀函数： dilate() 。函数原型如下：

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

（1）第一个参数，InputArray 类型的 src，源图像。图像通道的数量可以是任意的，但图像深度应为 CV_8U、CV_16U、CV_16S、CV_32F、CV_64F 之一。
（2）第二个参数，OutputArray 类型的 dst，输出图像。图像的尺寸和类型应和源图像保持一致。
（3）第三个参数，InputArray 类型的 kernel，膨胀操作的核。当为 NULL 时，表示使用参考点位于中心的 3*3 的核。一般使用 getStructingElement(int shape, Size ksize, Point anchor = Point(-1, -1)) 函数来设定内核矩阵的形状和尺寸。shape 参数表示内核矩阵的形状（矩形：MORPH_RECT；交叉形：MORPH_CROSS；椭圆形：MORPH_ELLIPSE）。使用如下所示：

int kernelSize = 3; Mat element = getStructingElement(MORPH_RECT, Size(2 * kernelSize + 1, 2 * kernelSize + 1);

（4）第四个参数，Point 类型的 anchor。默认值为Point(-1, -1)，位于内核的中心点。
（5）第五个参数，int 类型的 iterations，迭代使用 dilate() 函数的次数，默认为 1。
（6）第六个参数，int 类型的 borderType，用于推断图像外部像素的某种边界模式。默认值为 MORPH_DEFAULT。
（7）第七个参数，const Scalar& 类型的 borderValue，当边界为常数时的边界值，有默认值 morphologyDefaultBorderValue() ，一般不管。

2. 腐蚀函数：erode()。原型如下：

void erode(InputArray src, OutputArray dst, InputArray kernel, Point anchor = Point(-1, -1), int iterations = 1, int borderType = BORDER_DEFAULT, const Scalar& morphologyDefaultBorderValue());

（1）第一个参数：源图像。参考 dilate() 函数。
（2）第二个参数，输出图像。参考 dilate() 函数。
（3）第三个参数，腐蚀内核。参考 dilate() 函数。
（4）第四个参数，内核矩阵的锚点。参考 dilate() 函数。
（5）第五个参数，erode() 函数执行的迭代次数。参考 dilate() 函数。
（6）第六个参数，图像外部像素的边界模式。参考 dilaye() 函数。
（7）第七个参数，边界为常数时的边界值。参考 dilate() 函数。

腐蚀与膨胀简单示例：

#include #includeusing namespace cv; using namespace std; void on_Erosion(int, void*); void on_Dilation(int, void*); int g_erosionType = 0; int g_dilationType = 0; int g_erosionSize = 1; int g_dilationSize = 1; int g_maxErosionType = 2; int g_maxDilationType = 2; int g_maxErosionSize = 31; int g_maxDilationSize = 31; const char* erosionTypeStr = "内核类型"; const char* erosionSizeStr = "内核大小"; const char* dilationTypeStr = "内核类型"; const char* dilationSizeStr = "内核大小"; Mat srcErosionImage, dstErosionImage, srcDilationImage, dstDilationImage; int main() { srcErosionImage = imread("cat.jpg"); srcDilationImage = imread("cat.jpg"); imshow("原图", srcDilationImage); if (srcErosionImage.empty()) { cout << "源图片读取错误" << endl; } if (srcDilationImage.empty()) { cout << "源图片读取错误" << endl; } namedWindow("腐蚀效果图", WINDOW_AUTOSIZE); namedWindow("膨胀效果图", WINDOW_AUTOSIZE); createTrackbar(erosionTypeStr, "腐蚀效果图", &g_erosionType, g_maxErosionType, on_Erosion); createTrackbar(erosionSizeStr, "腐蚀效果图", &g_erosionSize, g_maxErosionSize, on_Erosion); createTrackbar(dilationTypeStr, "膨胀效果图", &g_dilationType, g_maxDilationType, on_Dilation); createTrackbar(dilationSizeStr, "膨胀效果图", &g_dilationSize, g_maxDilationSize, on_Dilation); on_Erosion(0, 0); on_Dilation(0, 0); waitKey(0); return 0; }void on_Erosion(int, void*) { /* 内核类型0: 矩形 1: 交叉形 2: 椭圆形 */ if (g_erosionType == 0) { g_erosionType = MORPH_RECT; } else if (g_erosionType == 1) { g_erosionType = MORPH_CROSS; } else if (g_erosionType == 2) { g_erosionType = MORPH_ELLIPSE; } Mat element = getStructuringElement(g_erosionType, Size(2 * g_erosionSize + 1, 2 * g_erosionSize + 1)); erode(srcErosionImage, dstErosionImage, element); imshow("腐蚀效果图", dstErosionImage); }void on_Dilation(int, void*) { /* 内核类型 0: 矩形 1: 交叉形 2: 椭圆形 */ if (g_dilationType == 0) { g_dilationType = MORPH_RECT; } else if (g_dilationType == 1) { g_dilationType = MORPH_CROSS; } else if (g_dilationType == 2) { g_dilationType = MORPH_ELLIPSE; } Mat element = getStructuringElement(g_dilationType, Size(2 * g_dilationSize + 1, 2 * g_dilationSize + 1)); dilate(srcDilationImage, dstDilationImage, element); imshow("膨胀效果图", dstDilationImage); }

运行结果如下图：

文章图片

更多的形态学操作
通过腐蚀与膨胀这两个基本操作的结合，我们可以得到更多的形态学操作。主要有以下几种：
开运算（Opening ）
闭运算（Closing）
形态学梯度（Morphological Gradient）
顶帽（Top Hat）
黑帽（Black Hat）
1. 开运算，其实就是先腐蚀后膨胀的过程。其数学表达式如下：

dst = open(src, element) = dilate(erode(src, element));

开运算可以用来消除小物体，在纤细点处分离物体，并且在平滑较大物体的边界的同时不明显改变其面积。

2.闭运算，其实就是先膨胀后腐蚀的过程。其数学表达式如下：

dst = close(src, element) = erode(dilate(src, element));

闭运算能够排除小型黑洞（黑色区域）。
3.形态学梯度，其实就是膨胀图与腐蚀图之差。其数学表达式如下：

dst = morph-grad(src, element) = dilate(src, element)? erode(src, element);

对二值图像进行这一操作可以将团块（blob）的边缘突出出来。可以使用形态学梯度来保留物体的边缘轮廓。
4.顶帽，其实就是原图像与开运算效果图之差。数学表达式如下：

dst = tophat(src, element) = src - open(src, element);

开运带来的结果是放大了裂缝或者局部低亮度的区域，因此，从原图像中减去开运算的图，得到的效果图突出了比原图轮廓周围的区域更明亮的区域，且这一操作与选择的核的大小相关。
顶帽运算往往用来分离比邻近点亮一些的斑块。在一幅图像具有大幅的背景，而微小物品比较有规律的情况下，可以使用顶帽运算进行背景提取。
5.黑帽，其实就是闭运算的效果图与原图像之差，其数学表达式如下：