学习OpenCV范例(十二)——更多形态学变换

在学习了图像膨胀和腐蚀这两个形态学操作之后,我们在这基础上又实现了其他一些形态学的操作,接下来介绍的操作有:开运算,闭运算,形态学梯度,顶帽,黑帽

1、原理

①开运算 

操作:开运算是通过先对图像腐蚀再膨胀实现的。

          dst = open( src, element) = dilate( erode( src, element ) )
作用:能够排除小团块物体(假设物体较背景明亮),可以消除高于邻近点的孤立点,达到去噪作用,可以平滑物体轮廓、断开较窄的狭颈。
请看下面,左图是原图像,右图是采用开运算转换之后的结果图。 观察发现字母出现了断裂。

 

                     图1、原图                                                图2、开运算

②闭运算

操作:闭运算是通过先对图像膨胀再腐蚀实现的。

dst = close( src, element ) = erode( dilate( src, element ) )
作用:能够排除小型黑洞(黑色区域),可以消除低于邻近点的孤立点,达到去噪作用,可以平滑物体轮廓、弥合较窄的间断和细长的沟壑,消除小孔洞,填补轮廓线中的断裂。

观察发现字母n和u中间被链接起来了


                       图3、闭运算

③形态梯度

操作:膨胀图与腐蚀图之差
           dst = morph_{grad}( src, element ) = dilate( src, element ) - erode( src, element )
作用:能够保留物体的边缘轮廓,如下所示:


                    图4、心态梯度

④顶帽

操作:原图像与开运算结果图之差
          dst = tophat( src, element ) = src - open( src, element )

作用:分离比邻近点亮的斑块,突出明亮的区域,如下所示:


                       图5、顶帽

⑤黑帽

操作:闭运算结果图与原图像之差

           dst = blackhat( src, element ) = close( src, element ) - src

作用:分离比邻近点暗的斑块,突出黑暗的区域,如下所示:


                        图6、黑帽

2、代码实现

#include "stdafx.h"

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>

using namespace cv;

/// 全局变量
Mat src, dst;

int morph_elem = 0;
int morph_size = 0;
int morph_operator = 0;
int const max_operator = 4;
int const max_elem = 2;
int const max_kernel_size = 21;

char* window_name = "Morphology Transformations Demo";

/** 回调函数申明 */
void Morphology_Operations( int, void* );

/** @函数 main */
int main( int argc, char** argv )
{
  /// 装载图像
  src = imread( "LinuxLogo.jpg" );

  if( !src.data )
  { return -1; }

 /// 创建显示窗口
 namedWindow( window_name, CV_WINDOW_AUTOSIZE );

 /// 创建选择具体操作的 trackbar
 createTrackbar("Operator:\n 0: Opening - 1: Closing \n 2: Gradient - 3: Top Hat \n 4: Black Hat", window_name, &morph_operator, max_operator, Morphology_Operations );

 /// 创建选择内核形状的 trackbar
 createTrackbar( "Element:\n 0: Rect - 1: Cross - 2: Ellipse", window_name,
                 &morph_elem, max_elem,
                 Morphology_Operations );

 /// 创建选择内核大小的 trackbar
 createTrackbar( "Kernel size:\n 2n +1", window_name,
                 &morph_size, max_kernel_size,
                 Morphology_Operations );

 /// 启动使用默认值
 Morphology_Operations( 0, 0 );

 waitKey(0);
 return 0;
 }

 /**
  * @函数 Morphology_Operations
  */
void Morphology_Operations( int, void* )
{
  // 由于 MORPH_X的取值范围是: 2,3,4,5 和 6
  int operation = morph_operator + 2;

  Mat element = getStructuringElement( morph_elem, Size( 2*morph_size + 1, 2*morph_size+1 ), Point( morph_size, morph_size ) );

  /// 运行指定形态学操作
  morphologyEx( src, dst, operation, element );
  imshow( window_name, dst );
  }

3、运行结果


              图7、原图


        图8、交错内核+开运算


       图9、椭圆内核+黑帽

4、用到的类和函数

morphologyEx:

功能:运行更高级的形态学变换

结构:

void morphologyEx(InputArray src, OutputArray dst, int op, InputArray element, Point anchor=Point(-1,-1), int iterations=1, int borderType=BORDER_CONSTANT, const Scalar& borderValue=morphologyDefaultBorderValue() )
src :源图像
dst :目标图像,和源图像有同样的size和type
element :结构元素
op :
形态操作的类型:
MORPH_OPEN - 开运算:2
MORPH_CLOSE - 闭运算:3
MORPH_GRADIENT - 形态梯度:4
MORPH_TOPHAT - “顶帽”:5
MORPH_BLACKHAT - “黑帽”:6

他们的取值分别为:2-6
iterations
膨胀和腐蚀次数

以闭操作迭代两次为例,执行的过程是膨胀-膨胀-腐蚀-腐蚀,而不是膨胀-腐蚀-膨胀-腐蚀

borderType :边缘点插值类型

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值