【opencv 450 Image Processing】More Morphology Transformations 形态学变换

Goal

在本教程中，您将学习如何：

使用 OpenCV 函数 cv::morphologyEx 应用形态变换，例如：

Opening

Closing

Morphological Gradient

Top Hat

Black Hat

Theory

笔记

下面的解释属于 Bradski 和 Kaehler 的《Learning OpenCV》一书。

在之前的教程中，我们介绍了两个基本的形态学操作：

• Erosion
• Dilation.

基于这两个，我们可以对我们的图像进行更复杂的转换。 在这里，我们简要讨论 OpenCV 提供的 5 种操作：

Opening  先腐蚀后膨胀

它是通过对图像进行腐蚀然后进行膨胀来获得的。

 

用于移除小物体（it is assumed that the objects are bright on a dark foreground）

例如，看看下面的例子。 左边的图像是原始图像，右边的图像是应用开放变换后的结果。 我们可以观察到小点已经消失了。

 

Closing  先膨胀后腐蚀

它是通过图像的膨胀和腐蚀而获得的。

 

用于去除小孔（暗区）。

 

Morphological Gradient

它是图像膨胀和腐蚀之间的差。

 

它对于查找对象的轮廓很有用，如下所示：

 

Top Hat

它是输入图像与其opening之间的差异。

 

 

Black Hat

它是closing和它的输入图像之间的差异

 

 

Code

本教程的代码如下所示。 你也可以在这里下载https://github.com/opencv/opencv/tree/4.x/samples/cpp/tutorial_code/ImgProc/Morphology_2.cpp

/**

 * @file Morphology_2.cpp

 * @brief 高级的形态学变换Advanced morphology Transformations sample code

 * @author OpenCV team

 */



#include "opencv2/imgproc.hpp"

#include "opencv2/imgcodecs.hpp"

#include "opencv2/highgui.hpp"

#include <iostream>



using namespace cv;



/// Global variables

Mat src, dst;



int morph_elem = 0;//形态学元素，内核类型 0: Rect - 1: Cross - 2: Ellipse

int morph_size = 0;//形态学尺寸，内核尺寸

int morph_operator = 0;//形态学操作 0: Opening - 1: Closing  \n 2: Gradient - 3: Top Hat \n 4: Black Hat

int const max_operator = 4;

int const max_elem = 2;//0,1,2

int const max_kernel_size = 21;



const char* window_name = "Morphology Transformations Demo";





/** Function Headers */

void Morphology_Operations( int, void* );



/**

 * @function main

 */

int main( int argc, char** argv )

{

  //![load]

  CommandLineParser parser( argc, argv, "{@input | baboon.jpg | input image}" );

  src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR );//读取彩色图像

  if (src.empty())

  {

    std::cout << "Could not open or find the image!\n" << std::endl;

    std::cout << "Usage: " << argv[0] << " <Input image>" << std::endl;

    return EXIT_FAILURE;

  }

  //![load]



  //![window]

  namedWindow( window_name, WINDOW_AUTOSIZE ); // 创建窗口

  //![window]



  //![create_trackbar1]

  ///选择形态学操作 Create Trackbar to select Morphology operation

  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 );

  //![create_trackbar1]



  //![create_trackbar2]

  ///选择内核类型 Create Trackbar to select kernel type

  createTrackbar( "Element:\n 0: Rect - 1: Cross - 2: Ellipse", window_name,

                  &morph_elem, max_elem,

                  Morphology_Operations );

  //![create_trackbar2]



  //![create_trackbar3]

  /// 选择内核尺寸 Create Trackbar to choose kernel size

  createTrackbar( "Kernel size:\n 2n +1", window_name,

                  &morph_size, max_kernel_size,

                  Morphology_Operations );

  //![create_trackbar3]



  /// 默认开始Default start

  Morphology_Operations( 0, 0 );



  waitKey(0);

  return 0;

}



//![morphology_operations]

/**

 * @function Morphology_Operations

 */

void Morphology_Operations( int, void* )

{

  // Since MORPH_X : 2,3,4,5 and 6

  //![operation]

  int operation = morph_operator + 2;

  //![operation]



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



  /// 应用指定的形态学变换 Apply the specified morphology operation

  morphologyEx( src, dst, operation, element );

  imshow( window_name, dst );//显示目标图像

}

//![morphology_operations]

Explanation

1. 让我们检查一下 C++ 程序的一般结构：
   1. 加载图像
   2. 创建一个窗口来显示形态学操作的结果
   3. 创建三个Trackbars供用户输入参数：

第一个 trackbar Operator 返回要使用的形态操作类型 (morph_operator)。

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 );

第二个 trackbar 元素返回 morph_elem，表示我们的内核是什么结构：

createTrackbar( "Element:\n 0: Rect - 1: Cross - 2: Ellipse", window_name,

&morph_elem, max_elem,

Morphology_Operations );

最终trackbar Kernel Size返回要使用的内核大小（morph_size）

createTrackbar( "Kernel size:\n 2n +1", window_name,

&morph_size, max_kernel_size,

Morphology_Operations );

1. 1. 每次我们移动任何滑块时，都会调用用户函数 Morphology_Operations 来执行新的形态学操作，并且它将根据当前滑动条值更新输出图像。

void Morphology_Operations( int, void* )
{
// Since MORPH_X : 2,3,4,5 and 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 ) );
morphologyEx( src, dst, operation, element );
imshow( window_name, dst );
}

我们可以观察到执行形态变换的关键函数是 cv::morphologyEx 。 在此示例中，我们使用四个参数（将其余参数保留为默认值）：

1. src ：源（输入）图像
2. dst：输出图像
3. operation：要执行的形态变换的种类。 请注意，我们有 5 种选择：

• Opening: MORPH_OPEN : 2
• Closing: MORPH_CLOSE: 3
• Gradient: MORPH_GRADIENT: 4
• Top Hat: MORPH_TOPHAT: 5
• Black Hat: MORPH_BLACKHAT: 6

如您所见，值的范围是 <2-6>，这就是我们将 (+2) 加到 Trackbar 输入的值的原因：

1. element：要使用的内核。 我们使用函数 cv::getStructuringElement 来定义我们自己的结构。

Results

编译上面的代码后，我们可以执行它，将图像路径作为参数。 使用图像的结果：狒狒.png：

 

这是显示窗口的两个快照。 第一张图显示了使用带有cross内核的算子Opening 后的输出。 第二张图片（右侧，显示了使用带有椭圆内核的 Blackhat 算子的结果。