opencv学习3- 形态学操作

最新推荐文章于 2023-12-06 08:17:32 发布

Paul_Yu_Zhang

最新推荐文章于 2023-12-06 08:17:32 发布

阅读量481

点赞数

分类专栏： opencv 文章标签： opencv 计算机视觉

本文链接：https://blog.csdn.net/Paul_Yu_Zhang/article/details/107317000

版权

opencv 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

图像处理中的形态学操作用于图像与处理操作（去噪，形状简化）、图像增强（骨架提取，细化，凸包及物体标记）、物体背景分割及物体形态量化等场景中，形态学操作的对象是二值化图像。

形态学操作中包括膨胀，腐蚀，开操作，闭操作、形态学梯度、顶帽、黑帽等。其中腐蚀，膨胀是许多形态学操作的基础。

官方文档为： http://docs.opencv.org/3.1.0/

1. 膨胀

/* 膨胀（dilate）的含义：
       膨胀就是求局部最大值的操作，就是将图像（或图像的一部分）与核B进行卷积
       膨胀是对白色部分（高亮部分）而言的，不是黑色部分。
       膨胀将图像中的高亮部分进行膨胀，类似于“领域扩张”，效果图拥有比原图更大的高亮区域 */

/*膨胀核心API函数：
   函数原型：
               void dilate(InputArray src,
                           OutputArray dst,
                           InputArray kernel,
                           Point anchor=Point(-1,-1),int iterations=1,
                           int borderType = BORDER_CONSTANT,
                           const Scalar&  borderValue = morphologyDefaultBorderValue()
                     );

   参数详解：
   InputArray src-----输入图像
   OutputArray dst------目标图像，需要和源图片有一样的尺寸和类型
   InputArray kernel------膨胀操作的核，为NULL时，表示使用参考点位于中心3x3的核；（用于膨胀操作的结构元素，如果取值为Mat(),那么默认使用一个3x3的方形结构元素，可以使用 getStructuringElement() 来创建结构元素。）
   Point anchor---Point类型的anchor,锚的位置，默认值（-1，,1），表示锚位于中心
   int borderType---用于推断图像外部像素的某种边界模式，有默认BORDER_CONSTANT
   const Scalar& borderValue = morphologyDefaultBorderValue()   （边缘值）最后一个参数一般不用去管它。
*/
/*注： 
   使用dilate函数，一般只需要填前面三个参数,后面四个参数有默认值
   结合getStructuringElement函数，该函数参数有：
       第一个参数：表示内核的形状(MORPH_RECT:矩形 
                              MORPH_CROSS:圆形
                              MORPH_ ELLIPSE:椭圆形)
       第二个参数：表示内核的尺寸  （形如：Size(15,15)）
       第三个参数：锚点的位置   （默认值（-1，,1））
*/

例如

//读入原图
Mat srcImage = imread("logo.jpg");
//获取自定义核，建立矩形模板
Mat element = getStructuringElement(MORPH_RECT,Size(15,15));
Mat dstImage;
//进行膨胀操作
dilate(srcImage,dstImage,element);

效果图：

2. 腐蚀

具体的操作方法：拿一个宽m,高n的矩形作为模板，对图像中的每一个像素x做如下处理：像素x至于模板的中心，根据模版的大小，遍历所有被模板覆盖的其他像素，修改像素x的值为所有像素中最小的值。这样操作的结果是会将图像外围的突出点加以腐蚀。

/* 腐蚀(erode)含义：
    腐蚀和膨胀是相反的一对操作，所以腐蚀就是求局部最小值的操作，腐蚀操作使原图的高亮部分被腐蚀，效果图比原图有更小的高亮的区域。
    腐蚀函数原型API及参数同膨胀相同
 函数原型： void erode(InputArray src,
                      OutputArray dst,
                      InputArray kernel, 
                      Point anchor=Point(-1,-1),
                      int iterations=1, 
                      int borderType = BORDER_CONSTANT, 
                      const Scalar& borderValue = morphologyDefaultBorderValue() );
*/

引用效果：

3. 开操作

作用：放大裂缝和低密度区域，消除小物体，在平滑较大物体的边界时，不改变其面积。消除物体表面的突起。

开操作就是对图像先腐蚀，再膨胀。其中腐蚀与膨胀使用的模板是一样大小的。

void morphologyEx(InputArray src, 
                OutputArray dst, 
                int op, 
                InputArray kernel, 
                Point anchor=Point(-1,-1), 
                intiterations=1, 
                int borderType=BORDER_CONSTANT, 
                const Scalar& borderValue=morphologyDefaultBorderValue() )

函数参数：
    第一个参数，InputArray src ---输入图像
    第二个参数，OutputArray dst ---输出图像
    第三个参数， int op -- 使用的形态学方法即：
                   MORPH_OPEN –-- 开运算（Opening operation）
         开运算是对图像先腐蚀再膨胀，可以排除小团的物体转换公式为：
                   MORPH_CLOSE –-- 闭运算（Closing operation）
         闭运算是对图像先膨胀再腐蚀，可以排除小型黑洞，变换的公式：
                   MORPH_GRADIENT ---形态学梯度（Morphological gradient）
         返回图片为膨胀图与腐蚀图之差，可以保留物体的边缘轮廓，变换公式为：
                   MORPH_TOPHAT --- “顶帽”（“Top hat”）
         返回图像为原图像与开运算结果图之差，变换公式：
                   MORPH_BLACKHAT --- “黑帽”（“Black hat“）

    第四个参数，InputArray类型的kernel，形态学运算的内核。若为NULL时，表示的是使用参考点位于中心
          3x3的核。如果设置5*5的即：Mat(5, 5, CV_8U)
    第五个参数，Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于中心。
    第六个参数，int类型的iterations，迭代使用函数的次数，默认值为1。
    第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值
          BORDER_ CONSTANT。
    第八个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，
          有默认值morphologyDefaultBorderValue()，

4. 闭操作

先膨胀后腐蚀的过程；
作用：闭运算同样也可以平滑轮廓的一部分，与开运算相反；通常会弥合较窄的间断和细长的沟壑，消除小的孔洞，填补轮廓线中的断裂。填充小型黑洞，突触了比原图轮廓区域更暗的区域，将两个区域连接起来，形成连通域。

//首先建立矩形模板，矩形的大小是可以设置的，由于矩形是用来覆盖以中心像素的所有其他像素，因此矩形的宽和高最好是奇数。
Mat element = getStructuringElement(MORPH_RECT, Size(m_MorphSizeWidth,m_MorphSizeHeight) );
//设置完矩形的宽和高以后，就可以调用形态学操作了。
//opencv中所有形态学操作有一个统一的函数，通过参数来区分不同的具体操作。
morphologyEx(img_threshold, img_threshold, MORPH_CLOSE, element);

5 .形态学梯度

是膨胀图和腐蚀图之差

通常所说形态学梯度（Morphological Gradient）是膨胀图像与腐蚀图像的之差得到的图像，也是基本梯度。数学表达式如下：

梯度用于刻画目标边界或边缘位于图像灰度级剧烈变化的区域，形态学梯度根据膨胀或者腐蚀与原图作差组合来实现增强结构元素领域中像素的强度，突出高亮区域的外围。计算图像的形态学梯度是形态学重要操作，常常将膨胀和腐蚀基础操作组合起来一起使用实现一些复杂的图像形态学梯度。

可以计算的梯度常见如下四种：

5.1 基本梯度

基本梯度 = 膨胀后的图像- 腐蚀后的图像，称为梯度图像也是OpenCV中支持的计算形态学梯度的方法，而此方法得到梯度有被称为基本梯度。

5.2 内部梯度

内部梯度 = 原图像 - 腐蚀之后的图像

5.3 外部梯度

外部梯度 = 图像膨胀之后的图像 - 原图像

5.4 方向梯度

方向梯度是使用X方向与Y方向的直线作为结构元素之后得到图像梯度，

用X方向直线做结构元素分别膨胀与腐蚀之后得到图像求差值之后称为X方向梯度，用Y方向直线做结构元素分别膨胀与腐蚀之后得到图像求差值之后称为Y方向梯度。

特点：

形态学梯度操作的输出图像像素值是在对应结构元素而非局部过渡区域所定义的领域中灰度级强度变化的最大值。
对二值图像进行形态学操作可以将团块（blob）的边缘突出出来，可以用形态学梯度来保留物体的边缘轮廓。

梯度代码示例：

#include <opencv2/core/core.hpp> 
#include <opencv2/imgcodecs.hpp> 
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv; //使用命名空间cv下的资源
using namespace std;


int main()
{
	Mat srcImage, grayImage; //源图像，输出图像，灰度
    //---------【1】读取源图像并检查图像是否读取成功---------      
	srcImage = imread("E:/DevelopMents/opencv/opencvTest1/girl.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】获取自定义核及对源图像进行腐蚀与膨胀--------- getStructuringElement()
	Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));
	Mat erode_ouput, dilate_output;
	erode(srcImage, erode_ouput, element); //腐蚀
	dilate(srcImage, dilate_output, element); //膨胀
	 //---------【3】计算基本梯度：膨胀后的图像减去腐蚀后的图像----------
	Mat basicGradient;
	subtract(dilate_output, erode_ouput, basicGradient, Mat());
	imshow("【基本梯度】", basicGradient);
	//---------【4】计算内部梯度：原图像减去腐蚀之后的图像----------
	Mat internalGradientImg;
	subtract(srcImage, erode_ouput, internalGradientImg, Mat());
	imshow("【内部梯度】", internalGradientImg);
	//---------【5】计算外部梯度：膨胀后的图像减去原图像----------
	Mat externalGradientImg;
	subtract(dilate_output, srcImage, externalGradientImg, Mat());
	imshow("【外部梯度】", externalGradientImg);
	//---------【6】方向梯度：使用X方向与Y方向的直线作为结构元素---------
	Mat hse = getStructuringElement(MORPH_RECT, Size(srcImage.cols / 16, 1));
	Mat vse = getStructuringElement(MORPH_RECT, Size(1, srcImage.rows / 16));
	Mat erode_direct, dilate_direct;
	Mat binImg, xDirectImg, yDirectImg;
	// 转为灰度图
	cvtColor(srcImage, grayImage, CV_BGR2GRAY);
	// 将灰度图二值化
	threshold(grayImage, binImg, 0, 255, CV_THRESH_OTSU);
	// X 方向梯度：膨胀与腐蚀之后得到图像求差值
	erode(binImg, erode_direct, hse);
	dilate(binImg, dilate_direct, hse);
	subtract(dilate_direct, erode_direct, xDirectImg, Mat());
	imshow("【X 方向梯度】", xDirectImg);
	// Y 方向梯度：膨胀与腐蚀之后得到图像求差值
	erode(binImg, erode_direct, vse);
	dilate(binImg, dilate_direct, vse);
	subtract(dilate_direct, erode_direct, yDirectImg, Mat());
	imshow("【Y 方向梯度】", yDirectImg);

	waitKey(0);
	return 0;
}

6.顶帽

顶帽 = 原图像 - 图像开运算之后的图像

因为开运算到来的结果是放大了裂痕或者局部低亮度的区域，因此，从原图中减去运算后的图，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，且这一操作和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。

当一幅图像具有大幅的背景的时候，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。

7.黑帽

黑帽 = 原图像 - 图像闭运算之后的图像

黑帽运算用来分离比邻近点暗一些的斑块。

参考资料：

1. https://blog.csdn.net/chen134225/article/details/80874367?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase

2. https://blog.csdn.net/jiangjiao4726/article/details/75571014

3. https://blog.csdn.net/sinat_36264666/article/details/78629600

4. https://blog.csdn.net/qq_36387683/article/details/80489631

Paul_Yu_Zhang

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
opencv学习3- 形态学操作

图像处理中的形态学操作用于图像与处理操作（去噪，形状简化）、图像增强（骨架提取，细化，凸包及物体标记）、物体背景分割及物体形态量化等场景中，形态学操作的对象是二值化图像。形态学操作中包括膨胀，腐蚀，开操作，闭操作等。其中腐蚀，膨胀是许多形态学操作的基础。官方文档为： http://docs.opencv.org/3.1.0/目录1. 膨胀2. 腐蚀3. 开操作4. 闭操作5 .形态学梯度5.1 基本梯度5.2 内部梯度5.3 外部梯度5.4 方向梯度..
复制链接

扫一扫

专栏目录