【学习笔记】OpenCV+C++（五）

膨胀与腐蚀
        腐蚀
           形态学操作-腐蚀
           腐蚀跟膨胀操作的过程类似，唯一不同的是以最小值替换锚点重叠下图像的像素值
        膨胀
           形态学操作(morphology operators) - 膨胀
               图像形态学操作--基于形状的一系列图像处理操作的合集，主要是基于集合论基础上的形态学数学
               形态学有四个基本操作：腐蚀、膨胀、开、闭
               膨胀与腐蚀是图像处理中最常用的形态学操作手段
               跟卷积操作类似，假设有图像A和结构元素B在A上面移动，其中B定义其中心为锚点，计算B覆盖下A的最大像素值用来替代锚点的像素，其中B作为结构体可以是任意形状
               相关API
                   getStructuringElement(int shape,Size ksize,Point anchor)//获取结构
                   形状(MORPH_RECT\MORPH_CROSS\MORPH_ELLIPSE)
                   大小
                   锚点 默认是Point(-1,-1)意思就是中心像素
                   dilate(src,dst,kernel)
                        dst(x,y) = max  src(x+x1,y+y1);
                   erode(src,dst,kernel)
                        dst(x,y) = min  src(x+x1,y+y1);
                    动态调整结构元素大小
                    TrackBar - createTrackbar(constString&trackbarname,const String winName,int* value,int count,Trackbarcallback func,void* userdata = 0)
                    其中最重要的是callback函数功能。如果设置为NULL就是说只有值update,但是不会调用callback的函数
        代码演示：

  #include<opencv2/opencv.hpp>
            #include<iostream>
            using namespace cv;
            Mat src,dst;
            char OUTPUT_WIN[] = "output image";
            int element_size = 3;
            int max_size = 21;
            void CallBack_Demo(int,void*);
            int main(int argc,char** argv){
                src = imread("");
                if(!src.data){
                    printf("could not load image...\n");
                    return -1;
                }
                namedWindow("input image",CV_WINDOW_AUTOSIZE);
                imshow("input image",src);
                namedWindow(OUTPUT_WIN,CV_WINDOW_AUTOSIZE);
                createTrackbar("Element Size",OUTPUT_WIN,&element_size,max_size,CallBack_Demo);
                CallBack_Demo(0,0);
                
                waitKey(0);
                return 0;
            }
            void CallBack_Demo(int,void*){
                int s = element_size * 2 + 1;
                Mat structureElement = getStructuringElement(MORPH_RECT,Size(s,s),Point(-1,-1));
                dilate(src,dst,structureElement,Point(-1,-1));//膨胀
                erode(src,dst,structureElement);//腐蚀
                imshow(OUTPUT_WIN,dst);
            }

 形态学操作
        开操作  open
            先腐蚀后膨胀  dst = open(src,element)=dilate(erode(src,element))
            可以去掉小的对象，假设对象是前景色，背景是黑色
        比操作  close
            先膨胀后腐蚀  dst = close(src,element)=erode(dilate(src,element));
            可以填充小的洞（fill hole),假设对象是前景色，背景是黑色
        形态学梯度  Morphological Gradien
            膨胀减去腐蚀
            dst = morph(src,element)=dilate(src,element)-erode(src,element);
            又称为基本梯度(其中还包括内部梯度、方向梯度)
        顶帽  top hat
            顶帽是原图像与开操作之间的差值图像
        黑帽  black hat
            黑帽是闭 操作图像与原图像的差值图像
        相关API
            morphologyEx(src,dst,CV_MOP_BLACKHAT,kernel);
            Mat src 输入图像
            Mat dst 输出结果
            int OPT CV_MOP_OPEN/CV_MOP_CLOSE/CV_MOP_GRADIENT/CV_MOP_TOPHAT/CV_MOP_BLACKHAT形态学操作类型
            Mat kernel 结构元素
            int lteration 迭代次数，默认是1

代码演示：

   #include<opencv2/opencv.hpp>
          #include<iostream>
          #include<math.h>
          using namespace cv;
          int main(int argc,char** argv){
              Mat src,dst;
              src = imread("");
              if(!src.data){
                  printf("could not load image...\n");
                  return -1;
              }
              namedWindow("input image",CV_WINDOW_AUTOSIZE);
              imshow("input image",src);
              char output_title[] = "morphology demo";
              namedWindow(output_title,CV_WINDOW_AUTOSIZE);
              Mat kernel = getStructuringElement(MORPH_RECT,Size(3,3),Point(-1,-1));
              morphologyEx(src,dst,CV_MOR_OPEN,kernel);//开操作
              morphologyEx(src,dst,CV_MOR_CLOSE,kernel);/闭比操作
              morphologyEx(src,dst,CV_MOR_GRADIENT,kernel);//形态学梯度
              morphologyEx(src,dst,CV_MOR_TOPHAT,kernel);//顶帽
              imshow(output_title,dst);

              waitKey(0);
              return 0;
          }

 形态学操作应用---提取水平与垂直线
          原理方法
              图像形态学操作时候，可以通过自定义的结构元素实现结构元素对输入图像一些对象敏感、另一些对象不敏感，这样就会让敏感的对象改变而不敏感的对象保留输出。通过使用两个最基本的形态学操作---膨胀与腐蚀，使用不同的结构元素实现对输入图像的操作得到想要的结果
              膨胀，输出的像素值是结构元素覆盖下输入图像的最大像素
              腐蚀，输出的像素值结构元素覆盖下输入图像的最小像素值
              结构元素：上述的膨胀与腐蚀可以使用任意的结构元素
              常见的形状：矩形、圆、直线、磁盘形状、砖石形状等各种自定义形状

              提取步骤：
                 输入图像彩色图像 imread
                 转换为灰度图像  cvtColor
                 转换为二值图像  adaptiveThreshold
                 定义结构元素
                 开操作(腐蚀+膨胀)提取 水平与垂直线
          API
             转换为二值图像
                adaptiveThreshold(Mat src,//输入的灰度图像
                Mat dest,//二值图像
                double maxValue,//二值图像最大值
                int adaptiveMethod,//自适应方法，只能其中之一
                                   //ADAPTIVE_THRESH_MEAN_C,ADAPTIVE_THRESH_GAUSSIAN_C
                int thresholdType, //阙值类型
                int blockSize,//块大小
                double C//常量C可以是正数，0，负数)

代码演示：

 #include<opencv2/opencv.hpp>
              #include<iostream>
              using namespace cv;
              int main(int argc,char** argv){
                  Mat src,dst;
                  src = imread("");
                  if(!src.data){
                      printf("could not load image...\n");
                      return -1;
                  }
                  char INPUT_WIN[] = "input image";
                  char OUTPUT_WIN[] = "result image";
                  namedWindow(INPUT_WIN,CV_WINDOW_AUTOSIZE);

                  Mat gray_src;
                  cvtColor(src,gray_src,CV_BGR2GRAY);
                  imshow("gray image",gray_src);

                  Mat binImg;
                  adaptiveThreshold(gray_src,binImg,255,ADAPIVE_THRESH_MEAN_C,THRESH_BINARY,15,-2);

                  Mat hline = getStructuringElement(MORP_RECT,Size(src.cols/16,1),Point(-1,-1));//水平结构元素
                  Mat vline = getStructuringElement(MORPH_RECT,Size(1,src.rows/16),Point(-1,-1));//垂直结构元素
                  Mat temp;
                  erode(binImg,dst,hline);
                  dilate(temp,dst,hline);
                  //morphologyEx(binImg,dst,CV_MOP_OPEN,vline);
                  bitwise_not(dst,dst);
                  blur(dst,dst,Size(3,3),Point(-1,-1));
                  imshow("Final Result",dst);


                  waitKey(0);
                  return 0;
              }