常言道“温故而知新”,写此文章就是对自己目前学习内容的小小的总结与记录。
本文力求用最简洁的语言,详细的代码将此部分内容讲解清楚,但由于博主同样是刚刚接触OpenCV,或许表达上有些瑕疵,还望读者能够指教探讨,大家共同进步。
博主机器配置为:VS2013+opencv2.4.13+Win-64bit。
若本文能给读者带来一点点启示与帮助,我就很开心了。
====================分割线====================
形态学操作就是基于形状的一系列图像处理操作。OpenCV为进行图像的形态学变换提供了快捷、方便的函数。最基本的形态学操作有二种,他们是:腐蚀与膨胀(Erosion 与 Dilation)。
膨胀与腐蚀能实现多种多样的功能,主要如下:
- 1、消除噪声。
- 2、分割(isolate)独立的图像元素,以及连接(join)相邻的元素。
- 3、寻找图像中的明显的极大值区域或极小值区域。
在进行腐蚀和膨胀的讲解之前,首先需要注意,腐蚀和膨胀是对白色部分(高亮部分)而言的,不是黑色部分。
膨胀就是图像中的高亮部分进行膨胀,“领域扩张”,效果图拥有比原图更大的高亮区域。
腐蚀就是原图中的高亮部分被腐蚀,“领域被蚕食”,效果图拥有比原图更小的高亮区域。
也可以这么理解:
腐蚀是指:将卷积核B滑过图像A,找出卷积核区域内最小像素值作为锚点像素值。这一操作可以扩大低像素值区域。
膨胀是指:将卷积核B滑过图像A,找出卷积核区域内最大像素值作为锚点像素值。这一操作可以缩小低像素值区域。
本文主要说下膨胀内容,腐蚀请见文章:【拜小白opencv】36-形态学滤波1——腐蚀
=================分割线================
1-膨胀
- 1、膨胀就是求局部最大值的操作。从数学角度来说,膨胀或者腐蚀操作就是将图像(或图像的一部分区域,称之为A)与核(称之为B)进行卷积。
- 2、核可以是任何形状和大小,它拥有一个单独定义出来的参考点,我们称其为锚点(anchorpoint)。多数情况下,核是一个小的,中间带有参考点和实心正方形或者圆形。其实,可以把核视为模板或者掩码。
- 3、而膨胀就是求局部最大的操作。核B与图像卷积,即计算核B覆盖的区域的像素点的最大值,并把这个最大值赋值给参考点指定的像素。这样就会使图像中高亮区逐渐增大,如下图所示。
图--膨胀原理示意图
膨胀的数学表达式如下:
膨胀的数学表达式如下:
膨胀可消除小型黑洞(黑色部分)。
==============分割线==============
下面来看看dilate()函数的定义:
2-膨胀函数dilate()
此函数作用:可实现对高亮区域的增加。下面来看看dilate()函数的定义:
void dilate( InputArray src, OutputArray dst, InputArray kernel,
Point anchor=Point(-1,-1), int iterations=1,
int borderType=BORDER_CONSTANT,
const Scalar& borderValue=morphologyDefaultBorderValue() );
参数解释 :
- 参数1:输入图像,即源图像。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或 CV_64F其中之一。
- 参数2:输出图像,即目标图像,需要和源图片有一样的尺寸和类型。
- 参数3:InputArray类型的kernel,腐蚀操作的内核。若为NULL时,表示的是使用参考点位于中心3x3的核。我们一般使用函数getStructuringElement配合这个参数的使用。getStructuringElement()函数会返回指定形状和尺寸的结构元素(内核矩阵)。有关getStructuringElement()函数请见下面内容。
- 参数4:Point类型的anchor,锚的位置,其有默认值(-1,-1),表示锚位于单位(element)的中心,我们一般不用管它。
- 参数5:int类型的iterations,迭代使用erode()函数的次数,默认值为1。
- 参数6:int类型的borderType,用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT。
- 参数7:const Scalar&类型的borderValue,当边界为常数时的边界值,有默认值morphologyDefaultBorderValue(),一般我们不用去管他。需要用到它时,可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。
使用dilate()函数,一般我们只需要填前面的三个参数,后面的四个参数都有默认值。而且往往结合getStructuringElement一起使用。
有关getStructuringElement()函数:
Mat getStructuringElement(int shape, Size ksize, Point anchor=Point(-1,-1));
参数解释:
- 参数1:表示内核的形状,可以选择如下三种形状之一:矩形--MORPH_RECT; 交叉形--MORPH_CROSS; 椭圆形--MORPH_ELLIPSE 。
- 参数2:内核的尺寸。
- 参数3:锚点的位置。
我们一般在调用erode()以及dilate()函数之前,先定义一个Mat类型的变量来获得getStructuringElement函数的返回值。对于锚点的位置,有默认值Point(-1,-1),表示锚点位于中心。且需要注意,十字形的element形状唯一依赖于锚点的位置。而在其他情况下,锚点只是影响了形态学运算结果的偏移。
特别说明:
- 对于图像腐蚀和膨胀的概念,不严谨的简单理解是:经过腐蚀和膨胀操作后最终的效果是对图像中物体的边界进行一层一层的腐蚀和膨胀操作,这个边界包括内边界和外边界。当然这是精枝大叶的理解,如果只知道这个,在实际的工作中是不够的。
- 严谨的理解是这样的:图像的腐蚀和膨胀实际上是用某种形状的窗去遍历图像中的每一个元素,并用这个区域中的最大值或最小值去代替窗口中的某个元素值(一般设为中心元素),若取得是最大值,则是膨胀操作,若取得是最小值,则是腐蚀操作。
- 这里某种形状可以是十字形、菱形、矩形、X形等。这里我要强调一点,其实所有的窗都是矩形的,那么怎么样区分不同的形状呢?是这样操作的:通过把矩形中的元素置为0或1去区分。在窗内求最大值或最小值时,只有元素值不为0的位置才参与求最大值或最小值。
====================分割线====================
3-代码演示
/*
功能:形态学滤波:膨胀操作
*/
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
Mat srcImage, dstImage; //源图像,输出图像
//---------【1】读取源图像并检查图像是否读取成功---------
srcImage = imread("D:\\OutPutResult\\ImageTest\\xing.jpg");
if (!srcImage.data)
{
cout << "读取图片错误,请重新输入正确路径!\n";
system("pause");
return -1;
}
imshow("【源图像】", srcImage);
//---------【2】获取自定义核---------
Mat element = getStructuringElement(MORPH_RECT, Size(4, 4));
//---------【3】进行膨胀操作---------
dilate(srcImage, dstImage, element);
//---------【4】显示效果图---------
imshow("【效果图--膨胀操作】", dstImage);
waitKey(0);
return 0;
}
===========分割线===============
4-显示结果
=================分割线===========
5-程序说明
只要记住腐蚀和膨胀都是对白色部分(也就是高亮部分)而言,不是黑色部分。
小的黑色部分消失了。
因此膨胀操作后,“拜小白”的文字显示比较小,是因为周围白色部分变大了。
================END=================