图像的形态学应用（击中 不击中运算和细化处理）之c++实现（qt (1)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上物联网嵌入式知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、电子书籍、讲解视频，并且后续会持续更新

如果你需要这些资料，可以戳这里获取

QImage* newImage = new QImage(image->width(), image->height(), QImage::Format_ARGB32);
QImage* newImage1 = new QImage(image->width(), image->height(), QImage::Format_ARGB32);
QImage* newImage2 = new QImage(image->width(), image->height(), QImage::Format_ARGB32);
int kernel[7][7] = {
	{ 0,0,0,0,0,0,1 },
	{ 0,0,0,0,0,1,1 },
	{ 0,0,0,0,1,1,1 },
	{ 0,0,0,1,1,1,1 },
	{ 0,0,1,1,1,1,1 },
	{ 0,1,1,1,1,1,1 },
	{ 1,1,1,1,1,1,1 } };
int kernel1[7][7] = {
	{ 1,1,1,1,0,0,0 },
	{ 1,1,1,0,0,0,0 },
	{ 1,1,0,0,0,0,0 },
	{ 1,0,0,0,0,0,0 },
	{ 0,0,0,0,0,0,0 },
	{ 0,0,0,0,0,0,0 },
	{ 0,0,0,0,0,0,0 }
};
int sizeKernel = 7;
QColor color;
QColor newcolor;
int r = 0;
int g = 0;
int b = 0;
/*用kernel腐蚀操作*/
for (int y = sizeKernel / 2; y < image->height() - sizeKernel / 2; y++)
{
	for (int x = sizeKernel / 2; x < image->width() - sizeKernel / 2; x++)
	{
		int kr = 255;
		int kg = 255;
		int kb = 255;
		for (int j = -sizeKernel / 2; j <= sizeKernel / 2; j++)
		{
			for (int i = -sizeKernel / 2; i <= sizeKernel / 2; i++)
			{
				color = QColor(image->pixel(x + i, y + j));
				while (color.red() < kr && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kr = color.red();
				}
				while (color.green() < kg && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kg = color.green();
				}
				while (color.blue() < kb && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kb = color.blue();
				}
			}
		}
		newImage->setPixel(x, y, qRgb(kr, kg, kb));
	}
}

/*kernel1腐蚀操作*/
for (int y = sizeKernel / 2; y < image->height() - sizeKernel / 2; y++)
{
	for (int x = sizeKernel / 2; x < image->width() - sizeKernel / 2; x++)
	{
		int kr = 255;
		int kg = 255;
		int kb = 255;
		for (int j = -sizeKernel / 2; j <= sizeKernel / 2; j++)
		{
			for (int i = -sizeKernel / 2; i <= sizeKernel / 2; i++)
			{
				color = QColor(image->pixel(x + i, y + j));
				while (color.red() < kr && kernel1[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kr = color.red();
				}
				while (color.green() < kg && kernel1[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kg = color.green();
				}
				while (color.blue() < kb && kernel1[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kb = color.blue();
				}
			}
		}
		newImage1->setPixel(x, y, qRgb(kr, kg, kb));
	}
}

/*一一检测像素，将符合模板kernel但不符合kernel1的像素填写白色*/
for (int y = 0; y<image->height(); y++)
{
	for (int x = 0; x<image->width(); x++)
	{
		color = QColor(newImage->pixel(x, y));
		newcolor = QColor(newImage1->pixel(x, y));
		if (color.red() > 100 && newcolor.red() < 100)
		{
			r = 255;
		}
		else
		{
			r = 0;
		}
		if (color.green() > 100 && newcolor.green() < 100)
		{
			g = 255;
		}
		else
		{
			g = 0;
		}
		if (color.blue() > 100 && newcolor.blue() < 100)
		{
			b = 255;
		}
		else
		{
			b = 0;
		}
		newImage2->setPixel(x, y, qRgb(r, g, b));
	}
}
delete newImage;
delete newImage1;
return newImage2;

}

#### **2.细化处理**


    图像的细化的操作实际是一个逐渐腐蚀的过程，每次从图像的边缘腐蚀掉一个像素，直到不能腐蚀为止。算法的关键是任何在每次腐蚀中判断像素点是否可以清除。细化有两条准则：1）细化不能缩短图像骨架的长度；2）细化不能将图像分解成不同部分。其两条准则的详细步骤如下：


    1）计算当前像素邻域内8个方向的可见像素数目，如果少于2个像素，则删除此像素会缩短图像骨架长度；若多于6个像素，则删除此像素会改变骨架的几何形状


    2）计算当前像素周围邻域内的区域数目，如果多余1个，那么删除中心像素会将目标图像分解成不同部分

/图像的细化/
QImage* MainWindow::Thining(QImage* image)
{
QImage* newImage = new QImage(image->width(), image->height(), QImage::Format_ARGB32);
int count;
int finish = 0;
int nb[5][5];
int r = 0;
int b = 0;
int g = 0;
QColor color;
/二值化/

for (int y = 0; y<image->height(); y++)
{
	for (int x = 0; x<image->width(); x++)
	{
		color = QColor(image->pixel(x, y));


		color = QColor(image->pixel(x, y));
		if (color.red()< 100)
		{
			r = 0;
		}
		else
		{
			r = 255;
		}
		if (color.green()< 100)
		{
			g = 0;
		}
		else
		{
			g = 255;
		}
		if (color.blue() < 100)
		{
			b = 0;
		}

收集整理了一份《2024年最新物联网嵌入式全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升的朋友。

如果你需要这些资料，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人

都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

-eSq9xqqg-1715713469094)]

如果你需要这些资料，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人

都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！