OpenCV学习笔记(七):形态学(morpholgy):腐蚀/膨胀:enrode(),dilate()
数学形态学(Mathematical morphology) 是一门建立在格论和拓扑学基础之上的图像分析学科,是数学形态学图像处理的基本理论。其基本的运算包括:二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。
简单来讲,形态学操作就是基于形状的一系列图像处理操作。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)出独立的图像元素,在图像中连接(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
4.求出图像的梯度
一、膨胀就是求局部最大值的操作
按数学方面来说,膨胀或者腐蚀操作就是将图像(或图像的一部分区域,我们称之为A)与核(我们称之为B)进行卷积。
核可以是任何的形状和大小,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盘,其实,我们可以把核视为模板或者掩码。
而膨胀就是求局部最大值的操作,核B与图形卷积,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。这样就会使图像中的高亮区域逐渐增长。
二、腐蚀就是求局部最小值的操作。
膨胀和腐蚀是一对好基友,是相反的一对操作,所以腐蚀就是求局部最小值的操作。
代码:
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
Mat g_srcImage, g_dstImage; //原始图和效果图
int g_nTrackbarNumer = 1; //0表示腐蚀erode, 1表示膨胀dilate
int g_nStructElementSize = 7; //结构元素(内核矩阵)的尺寸
int main(int argc, char *argv[])
{
QCoreApplication a