Opencv 形态学

数学形态学实际上可以理解为一种滤波行为，所以很多地方称它为形态学滤波。有了个这概念，我们就能更好的理解它。我们滤波中用的滤波器（kernel）在这里被称为结构元素，结构元素往往是由一个特殊的形状构成，如：线条、矩形、圆、菱形等。我们把结构元素的中心（Anchor Point）与图像上像素点对齐，然后结构元素覆盖的领域像素就是我们要分析的像素，我们定义一种操作就形成了一种形态学运算。

我们在这里不解释形态学操作的算法原理及它们的意义，有兴趣的可以参见相关数字图像处理方面的教材，或关注本博客，博主打算在OpenCV系列写完后，开始写图像处理方面算法系列的文章。

推荐阅读：

Ubuntu 12.04 安装 OpenCV2.4.2 http://www.linuxidc.com/Linux/2012-09/70158.htm

CentOS下OpenCV无法读取视频文件 http://www.linuxidc.com/Linux/2011-07/39295.htm

Ubuntu 12.04下安装OpenCV 2.4.5总结 http://www.linuxidc.com/Linux/2013-06/86704.htm

Ubuntu 10.04中安装OpenCv2.1九步曲 http://www.linuxidc.com/Linux/2010-09/28678.htm

基于QT和OpenCV的人脸识别系统 http://www.linuxidc.com/Linux/2011-11/47806.htm

一、形态学的基本操作

腐蚀运算：erode

1 2 3

void erode(InputArray src, OutputArray dst, InputArray kernel, Point anchor=Point(-1,-1), int iterations=1, int borderType=BORDER_CONSTANT, const Scalar& borderValue=morphologyDefaultBorderValue());

src：输入图像，很多场合下我们使用的是二值图像，当然灰度图像也可以。

dst：输出图像，格式和输入图像一致。

kernel：定义的结构元素。

anchor：结构元素的中心，如果是默认参数(-1,-1)，程序会自动将其设置为结构元素的中心。

iterations：迭代次数，我们可以选择对图像进行多次形态学运算。

后面两个参数是边界类型，由于要处理领域问题，所以图像需要扩充边界。一般情况下使用默认即可。

膨胀运算：dilate

膨胀跟腐蚀的参数完全一致，就不过多的说明了。这两个形态学操作是最基本的两个操作。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

int main() { Mat image=imread( "../cat.png" ); // 彩色转灰度 cvtColor(image,image,CV_BGR2GRAY); // 阈值化 threshold(image,image,255*(0.5),255,THRESH_BINARY);   // 形态学操作 // 如果把结构元素设置为Mat()，则将用默认的3*3的矩形结构元素 Mat eroded; erode(image,eroded,Mat()); Mat dilated; dilate(image,dilated,Mat()); return 0; }

下面要介绍的两个形态学操作，在实际应用中要比上面两个更加广泛，但实际上它们是上面两种操作的一个组合式的操作。

开运算与闭运算

这两个运算都是使用函数morphologyEx来实现的，这个函数的接口如下：

1 2	void morphologyEx(InputArray src, OutputArray dst, int op, InputArray kernel, Point anchor=Point(-1,-1), int iterations=1, int borderType=BORDER_CONSTANT, const Scalar& borderValue=morphologyDefaultBorderValue());

函数的大部分参数都与上面介绍的erode函数参数是一样的，这里面的op是我们要进行的形态学的类型：

MORPH_OPEN：对图像进行开运算。

MORPH_CLOSE：对图像进行闭运算。

下面我们还是以小猫图像为例显示一下对二值图像进行开运算和闭��算后得到的结果。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

int main() { Mat image=imread( "../cat.png" ); // 彩色转灰度 cvtColor(image,image,CV_BGR2GRAY); // 阈值化 threshold(image,image,255*(0.5),255,THRESH_BINARY); // 定义结构元素 Mat se(5,5,CV_8U,Scalar(1)); Mat closed; morphologyEx(image,closed,MORPH_CLOSE,se); Mat opened; morphologyEx(image,opened,MORPH_OPEN,se); return 0; }

从图片中我们可以得出结论：

闭运算可以填充图像中的孔洞，连接一些缺口；开运算可以去除图像中一些较小的结构。前提是这些孔洞或碎片要与进行运算的结构元素尺度相当。

二、用形态学操作来检测边缘和角点

其实用形态学来检测边缘的原理非常简单，我们打开源码看它是怎么操作的：

1 2 3 4 5

case CV_MOP_GRADIENT: erode( src, temp, kernel, anchor, iterations, borderType, borderValue ); dilate( src, dst, kernel, anchor, iterations, borderType, borderValue ); dst -= temp; break ;

可以看出来，它是对图像先做了一个腐蚀，再做了一次膨胀，然后将两次的结果相减即可。

1 2 3 4 5 6 7 8 9 10 11 12 13

int main() { Mat image=imread( "../cat.png" ); // 彩色转灰度 cvtColor(image,image,CV_BGR2GRAY); Mat catEdge; morphologyEx(image,catEdge,MORPH_GRADIENT,Mat()); // 阈值化 threshold(catEdge,catEdge,40,255,THRESH_BINARY); namedWindow( "catEdge" );imshow( "catEdge" ,catEdge); waitKey(); return 0; }

下面我们来实现用形态学操作来检测角点。

首先我们需要定义几个特殊的结构元素，我们这里都用Mat来定义，并像素式的赋值，你可以选择OpenCV里的getStructElement来更快的实现。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

// 定义结构元素 Mat cross(5,5,CV_8U,Scalar(0)); Mat diamond(5,5,CV_8U,Scalar(1)); Mat square(5,5,CV_8U,Scalar(1)); Mat x(5,5,CV_8U,Scalar(0));   for ( int i=0;i<5;i++) { cross.at<uchar>(2,i)=1; cross.at<uchar>(i,2)=1; } diamond.at<uchar>(0,0)=0; diamond.at<uchar>(0,1)=0; diamond.at<uchar>(1,0)=0; diamond.at<uchar>(4,4)=0; diamond.at<uchar>(3,4)=0; diamond.at<uchar>(4,3)=0; diamond.at<uchar>(4,0)=0; diamond.at<uchar>(4,1)=0; diamond.at<uchar>(3,0)=0; diamond.at<uchar>(0,4)=0; diamond.at<uchar>(0,3)=0; diamond.at<uchar>(1,4)=0; for ( int i=0;i<5;i++){ x.at<uchar>(i,i)=1; x.at<uchar>(4-i,i)=1; }

第一个为一个十字型的结构元素，第二个为菱形，第三个是矩形，第四个是一个“X”

型。

然后我们按下面的顺序对一幅图像进行操作，并对最后的结果进行阈值化。

1 2 3 4 5 6 7

Mat result; dilate(image,result,cross); erode(result,result,diamond); Mat result2; dilate(image,result2,x); erode(result2,result2,square); absdiff(result2,result,result);

经过上面步骤，我们得到了一张二值图像，显示了图像的一些角点的位置。

为了更形象的说明，我们将上面的这些点在原彩色图像上标出来：

1 2 3 4 5 6 7 8 9 10 11 12 13 14

// 标记角点 void drawOnImage( const Mat& binary,Mat& image) { for ( int i=0;i<binary.rows;i++) { // 获取行指针 const uchar* data=binary.ptr<uchar>(i); for ( int j=0;j<binary.cols;j++) { if (data[j]) //角点图像上的白点 circle(image,Point(j,i),8,Scalar(0,255,0)); // 画圈 } } }