图像处理之形态学

首先介绍两个最简单的形态学处理：膨胀（dilate）和腐蚀（erode）

它们的作用：1.去除噪声

2.分离出单个元素和连接分离的元素

3.找出强度凸起和孔洞

膨胀是使用核去遍历图像，图像在核覆盖区域中寻找最大值，以最大值覆盖核心处图像值。结果必然使图像高亮度区域增加。

腐蚀是膨胀的姊妹，但腐蚀是寻找核覆盖区域下的最小值，以最小值覆盖核心处图像值。结果必然使图像低亮度区域增加。

#include "cv.h"
#include "highgui.h"

using namespace std;
using namespace cv;

Mat src,dilateDst,erodeDst;
int dilateShape=0,erodeShape=0,dilateSize=0,erodeSize=0;

void dilateFcn(int, void*);
void erodeFcn(int, void*);

int main(int argc,char *argv[])
{
	
	src=imread("src.jpg");
	imshow("src",src);
	namedWindow("Dilate");
	namedWindow("Erode");
	
	createTrackbar("Kernel shape:(0:RECT;1:CROSS;2:ELLIPSE)","Dilate",&dilateShape,2);
	createTrackbar("Kernel size:","Dilate",&dilateSize,10,dilateFcn);

	createTrackbar("Kernel shape:(0:RECT;1:CROSS;2:ELLIPSE)","Erode",&erodeShape,2);
	createTrackbar("Kernel size:","Erode",&erodeSize,10,erodeFcn);
	
	dilateFcn(0,0);erodeFcn(0,0);
	waitKey(0);
	destroyAllWindows();
	return 0;
}

void dilateFcn(int, void*)
{
	switch(dilateShape)
	{
	case 0:
		dilateShape=MORPH_RECT;
		break;
	case 1:
		dilateShape=MORPH_CROSS;
		break;
	case 2:
		dilateShape=MORPH_ELLIPSE;
	}
	Mat dilateKernel=getStructuringElement(dilateShape,Size(2*dilateSize+1,2*dilateSize+1),Point(-1,-1));
	dilate(src,dilateDst,dilateKernel);
	imshow("Dilate",dilateDst);
}

void erodeFcn(int, void*)
{
	switch(erodeShape)
	{
	case 0:
		erodeShape=MORPH_RECT;
		break;
	case 1:
		erodeShape=MORPH_CROSS;
		break;
	case 2:
		erodeShape=MORPH_ELLIPSE;
	}
	Mat erodeKernel=getStructuringElement(erodeShape,Size(2*erodeSize+1,2*erodeSize+1),Point(-1,-1));
	erode(src,erodeDst,erodeKernel);
	imshow("Erode",erodeDst);
}

窗口TrackBar不美观

  原图：                   膨胀（核为矩形7*7）

       

   膨胀（核为十字7*7）                   膨胀（核为椭圆7*7）

       

  腐蚀（核为矩形9*9）                     腐蚀（核为十字9*9）

       

  腐蚀（核为椭圆9*9）

  

可以看到结果图像上的白点或黑点的形状与核的形状一致！

使用morphologyEx()函数可以完成更多的形态学处理：

– Opening

– Closing

– Morphological Gradient（形态梯度）

– Top Hat

– Black Hat