OpenCV（八）形态学操作3--形态学梯度实现轮廓分析（基本梯度、内部梯度、外部梯度、方向梯度X(Y)）

最新推荐文章于 2024-08-31 22:34:29 发布
最新推荐文章于 2024-08-31 22:34:29 发布
阅读量2.1k 收藏 9
点赞数 2
分类专栏： # OpenCV 文章标签： c++ opencv 人工智能 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/great_yzl/article/details/119564439
版权
本文详细介绍了形态学梯度的四种类型：基本梯度、内部梯度、外部梯度和方向梯度。通过膨胀和腐蚀操作，结合OpenCV库展示了如何在C++中实现这些梯度，并提供了相应的代码示例。形态学梯度主要用于突出图像边缘，适用于轮廓分析和二值图像处理。
摘要由CSDN通过智能技术生成

目录

 形态学梯度概述

一、基本梯度

1、原理 

2、代码

3、效果

二、内部梯度

1、原理 

2、代码

 3、效果

三、外部梯度

1、原理 

2、代码

3、效果

四、方向梯度

1、原理

2、二值化图像（黑白）

 3、求X(Y)轴方向梯度

X轴： 

Y轴：

总代码

参考资料：

 形态学梯度概述

作用：保留物体的边缘轮廓，便于轮廓分析（突出高亮区域）

形态学梯度定义：        G = I⊕S − I!S

（其中G为输出图像，I为输入图像，S为卷积核函数。⊕为膨胀运算，！为腐蚀运算。

  • 形态学梯度操作的输出图像像素值是在对应结构元素而非局部过渡区域所定义的领域中灰度级强度变化的最大值。
  • 对二值图像进行形态学操作可以将团块（blob）的边缘突出出来，可以用形态学梯度来保留物体的边缘轮廓。

一、基本梯度

1、原理 

基本梯度 = 膨胀图像 - 腐蚀图像

基本梯度是用膨胀后的图像减去腐蚀后的图像得到差值图像，称为梯度图像也是OpenCV中支持的计算形态学梯度的方法，而此方法得到梯度有被称为基本梯度。

2、代码

//基本梯度（膨胀-腐蚀）
void BasicGrad()
{
	//创建卷积核（结构元）
	Mat kernel = getStructuringElement(MORPH_RECT, Size(15, 15), Point(-1, -1));
	//创建新图像（膨胀、腐蚀）
	Mat dilate_output, erode_ouput;
	dilate(img, dilate_output, kernel, Point(-1, -1));	//膨胀
	erode(img, erode_ouput, kernel, Point(-1, -1));		//腐蚀
	//计算基本梯度
	subtract(dilate_output, erode_ouput, dst, Mat());	//膨胀-腐蚀
	//			膨胀					腐蚀				   结果

	imshow("基本梯度", dst);
}

3、效果

二、内部梯度

1、原理 

内部梯度 = 原图像 - 腐蚀图像

内部梯度是用原图像减去腐蚀之后的图像得到差值图像。

2、代码

//内部梯度（原图-腐蚀）
void InternalGrad()
{
	//创建卷积核（结构元）
	Mat kernel = getStructuringElement(MORPH_RECT, Size(15, 15), Point(-1, -1));
	//创建新图（腐蚀）
	Mat erode_ouput;
	erode(img, erode_ouput, kernel, Point(-1, -1));		//腐蚀
	//计算内部梯度（原图-腐蚀）
	subtract(img, erode_ouput, dst, Mat());
	imshow("内部梯度", dst);
}

 3、效果

三、外部梯度

1、原理 

外部梯度 = 膨胀图像 - 原图像

外部梯度使用膨胀之后的图像减去原来的图像得到的差值图像。

2、代码

//外部梯度（膨胀-原图）
void ExternalGrad()
{
	//创建卷积核（结构元）
	Mat kernel = getStructuringElement(MORPH_RECT, Size(15, 15), Point(-1, -1));
	//创建新图（膨胀）
	Mat dilate_output;
	dilate(img, dilate_output, kernel, Point(-1, -1));		//膨胀
	//计算外部梯度（膨胀-原图）
	subtract(dilate_output, img, dst, Mat());
	imshow("外部梯度", dst);
}

3、效果

四、方向梯度

1、原理

方向梯度是使用X方向与Y方向的直线作为结构元素之后得到图像梯度。

用X方向直线做结构元素分别膨胀与腐蚀之后得到图像求差值之后称为X方向梯度；

用Y方向直线做结构元素分别膨胀与腐蚀之后得到图像求差值之后称为Y方向梯度。

2、二值化图像（黑白）

开始计算方向梯度前，先把图像二值化（黑白化）。

二值化步骤：

1、先把彩图转灰度图

2、再把灰度图转黑白图（二值化）

//图像二值化
void ToBin()
{
	// 1、转为灰度图
	cvtColor(img, grayImage, COLOR_BGR2GRAY);
	// 2、将灰度图二值化
	threshold(grayImage, binImg, 0, 255, THRESH_OTSU);
}

 3、求X(Y)轴方向梯度

X方向梯度 = X轴方向膨胀 - X轴方向腐蚀        （黑白图像）

Y方向梯度 = Y轴方向膨胀 - Y轴方向腐蚀        （黑白图像）

把黑白图像分别沿X(Y)轴膨胀和腐蚀，最后求差值。

X轴： 

//X方向梯度（黑白图：沿X轴方向膨胀 - 沿X方向腐蚀）
void XDirectGrad()
{
	//X方向梯度：使用X方向的直线作为结构元素
	Mat X = getStructuringElement(MORPH_RECT, Size(img.cols / 32, 1));	  //X向量：宽XX，高1
	Mat dilate_direct, erode_direct;                //膨胀与腐蚀图像
	Mat xDirectImg;                                 //X方向梯度图像

	// 1、图像二值化
	ToBin();
	// 2、沿X轴方向分别膨胀和腐蚀
	dilate(binImg, dilate_direct, X);				//沿X轴方向膨胀
	erode(binImg, erode_direct, X);					//沿X轴方向腐蚀
	// 3、X 方向梯度：X轴方向膨胀 - X轴方向腐蚀
	subtract(dilate_direct, erode_direct, xDirectImg, Mat());

	imshow("X 方向梯度", xDirectImg);
}

Y轴：

//Y方向梯度（黑白图：沿Y轴方向膨胀 - 沿Y方向腐蚀）
void YDirectGrad()
{
	//Y方向梯度：使用Y方向的直线作为结构元素
	Mat Y = getStructuringElement(MORPH_RECT, Size(1, img.rows / 32));		//Y向量：宽1，高XX
	Mat dilate_direct, erode_direct;                //膨胀与腐蚀图像
	Mat yDirectImg;                                 //Y方向梯度图像

	// 1、图像二值化
	ToBin();
	// 2、沿Y轴方向分别膨胀和腐蚀
	dilate(binImg, dilate_direct, Y);				//沿Y轴方向膨胀
	erode(binImg, erode_direct, Y);					//沿Y轴方向腐蚀
	// 3、Y 方向梯度：Y轴方向膨胀 - Y轴方向腐蚀
	subtract(dilate_direct, erode_direct, yDirectImg, Mat());

	imshow("Y 方向梯度", yDirectImg);
}

总代码

//形态学梯度（基本梯度、内部梯度、外部梯度、方向梯度X(Y)）
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

Mat img, dst;
Mat grayImage, binImg;

//图像初始化
void Image_Init()
{
	img = imread("Resource/test7.jpg");
	dst = Mat::zeros(img.size(), img.type());

	if (img.empty())
	{
		printf("图像加载失败");
		exit(0);
	}
}

//基本梯度（膨胀-腐蚀）
void BasicGrad()
{
	//创建卷积核（结构元）
	Mat kernel = getStructuringElement(MORPH_RECT, Size(15, 15), Point(-1, -1));
	//创建新图像（膨胀、腐蚀）
	Mat dilate_output, erode_ouput;
	dilate(img, dilate_output, kernel, Point(-1, -1));		//膨胀
	erode(img, erode_ouput, kernel, Point(-1, -1));		//腐蚀
	//计算基本梯度
	subtract(dilate_output, erode_ouput, dst, Mat());	//膨胀-腐蚀
	//			膨胀					腐蚀				   结果

	imshow("基本梯度", dst);
}

//内部梯度（原图-腐蚀）
void InternalGrad()
{
	//创建卷积核（结构元）
	Mat kernel = getStructuringElement(MORPH_RECT, Size(15, 15), Point(-1, -1));
	//创建新图（腐蚀）
	Mat erode_ouput;
	erode(img, erode_ouput, kernel, Point(-1, -1));		//腐蚀
	//计算内部梯度（原图-腐蚀）
	subtract(img, erode_ouput, dst, Mat());
	imshow("内部梯度", dst);
}

//外部梯度（膨胀-原图）
void ExternalGrad()
{
	//创建卷积核（结构元）
	Mat kernel = getStructuringElement(MORPH_RECT, Size(15, 15), Point(-1, -1));
	//创建新图（膨胀）
	Mat dilate_output;
	dilate(img, dilate_output, kernel, Point(-1, -1));		//膨胀
	//计算外部梯度（膨胀-原图）
	subtract(dilate_output, img, dst, Mat());
	imshow("外部梯度", dst);
}

//图像二值化
void ToBin()
{
	// 1、转为灰度图
	cvtColor(img, grayImage, COLOR_BGR2GRAY);
	// 2、将灰度图二值化
	threshold(grayImage, binImg, 0, 255, THRESH_OTSU);
}

//X方向梯度（黑白图：沿X轴方向膨胀 - 沿X方向腐蚀）
void XDirectGrad()
{
	//X方向梯度：使用X方向的直线作为结构元素
	Mat X = getStructuringElement(MORPH_RECT, Size(img.cols / 32, 1));	  //X向量：宽XX，高1
	Mat dilate_direct, erode_direct;				//膨胀与腐蚀图像
	Mat xDirectImg;										//X方向梯度图像

	// 1、图像二值化
	ToBin();
	// 2、沿X轴方向分别膨胀和腐蚀
	dilate(binImg, dilate_direct, X);				//沿X轴方向膨胀
	erode(binImg, erode_direct, X);				//沿X轴方向腐蚀
	// 3、X 方向梯度：X轴方向膨胀 - X轴方向腐蚀
	subtract(dilate_direct, erode_direct, xDirectImg, Mat());

	imshow("X 方向梯度", xDirectImg);
}

//Y方向梯度（黑白图：沿Y轴方向膨胀 - 沿Y方向腐蚀）
void YDirectGrad()
{
	//Y方向梯度：使用Y方向的直线作为结构元素
	Mat Y = getStructuringElement(MORPH_RECT, Size(1, img.rows / 32));		//Y向量：宽1，高XX
	Mat dilate_direct, erode_direct;				//膨胀与腐蚀图像
	Mat yDirectImg;										//Y方向梯度图像

	// 1、图像二值化
	ToBin();
	// 2、沿Y轴方向分别膨胀和腐蚀
	dilate(binImg, dilate_direct, Y);				//沿Y轴方向膨胀
	erode(binImg, erode_direct, Y);				//沿Y轴方向腐蚀
	// 3、Y 方向梯度：Y轴方向膨胀 - Y轴方向腐蚀
	subtract(dilate_direct, erode_direct, yDirectImg, Mat());

	imshow("Y 方向梯度", yDirectImg);
}

//显示图像
void Show()
{
	imshow("原图", img);
}

int main()
{
	Image_Init();							//图像初始化

	BasicGrad();							//基本梯度

	InternalGrad();							//内部梯度

	ExternalGrad();							//外部梯度

	XDirectGrad();							//X方向梯度
	YDirectGrad();							//Y方向梯度

	Show();									//显示原图像

	waitKey(0);

	return 0;
}

参考资料：

https://blog.csdn.net/sinat_36264666/article/details/78629600?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162856242416780261952100%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162856242416780261952100&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-2-78629600.pc_search_result_control_group&utm_term=%E5%BD%A2%E6%80%81%E5%AD%A6%E6%A2%AF%E5%BA%A6&spm=1018.2226.3001.4187

https://blog.csdn.net/weixin_41695564/article/details/79935028

https://blog.csdn.net/qq_41498261/article/details/103112661?ops_request_misc=&request_id=&biz_id=102&utm_term=%E5%BD%A2%E6%80%81%E5%AD%A6%E6%A2%AF%E5%BA%A6&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-7-.nonecase&spm=1018.2226.3001.4187

_(*^▽^*)_
关注
专栏目录
在OpenCV里实现形态学梯度
大坡3D软件开发
10-03 307
在前面学习膨胀和腐蚀，由前面的经验可知，膨胀处理后图像的轮廓会变大，腐蚀处理后图像的轮廓会变小，如果拿膨胀的结果减去腐蚀的结果，那么是否就得到图像的轮廓呢？其实是可以，公式如下： dst=morph_grad(src,element)=dilate(src,element)−erode(src,element) 在这里相当于调用函数morphologyEx，并且设置参数cv2.MORPH_GR...
计算机视觉（一）——形态学操作：腐蚀、膨胀、开闭运算、形态学梯度、顶帽与黑帽
热门推荐
平什么阿的博客
03-27 3万+
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录形态学操作的概念一、腐蚀和膨胀二、使用步骤1.引入库2.读入数据总结 形态学操作的概念 形态学：即数学形态学，图像处理过程中一个非常重要的研究方法。 形态学主要从图像内部提取分量信息，该分量信息通常对于表达和描绘图像的特征具有重要意义，通常是图像理解时所使用的最本质的形状特征。 形态学处理在视觉检测、文字识别、医学图形处理、图像压缩编码领域都有非常重要的作用。 形态学操作主要包含： 腐蚀、膨胀、开运算、闭运算、形态学梯度运算、顶帽
OpenCV 形态学梯度
03-14
OpenCV 形态学梯度 处理图像问题 OpenCV 形态学梯度 处理图像问题
opencv之形态学
最新发布
hola173841439的博客
08-31 1706
在图像处理领域，形态学是一种基于形状的图像分析技术，用于提取和处理图像的形态特征。这包括膨胀、腐蚀、开运算、闭运算等操作，广泛应用于边缘检测、图像分割和噪声去除等方面。形态学操作的核心概念是结构元（Structuring Element），这是一个定义形态学操作如何应用于图像的形状或模板。结构元可以是任意形状的，如方形、圆形、十字形等，应用于图像时，结构元素在图像上滑动，决定了哪些像素会被膨胀、腐蚀或其他形态学操作影响。
OpenCV学习——形态学梯度
gnuhpc的专栏
06-22 1272
本文已搬家至【OpenCV学习】形态学梯度
OpenCV形态学梯度
winggyn的专栏
01-23 304
#形态学梯度，这是图像膨胀和腐蚀之间的区别，结果将看起来像对象的轮廓 import cv2 as cv import numpy as np import matplotlib.pyplot as plt img = cv.imread('test9.jpg') img = cv.cvtColor(img,cv.COLOR_BGR2RGB) kernel = np.ones((3,3),np.uint8) gradient = cv.morphologyEx(img,cv.COLOR_BGR2RGB,ke.
形态学操作—形态学梯度
吃葡萄不吐葡萄皮
12-05 828
形态学梯度（Morphological Gradient）是图像形态学处理中的一种操作，它通过对图像的膨胀和腐蚀操作之间的差异来突出图像中的边缘信息。形态学梯度的作用是突出图像中物体的边缘或轮廓。当我们对图像中的对象进行分割、边缘检测或特征提取时，形态学梯度可以很有用。它可以帮助定位物体的边界，提取轮廓信息，或者用于图像预处理的步骤之一。设定一个结构元素（通常是一个小的矩形或圆形核），然后对图像进行膨胀和腐蚀操作。形态学梯度被定义为图像的膨胀操作减去腐蚀操作的结果。
opencv和pyqt5实现的图像处理程序，已实现转灰度图、图像平滑、形态学操作、梯度计算、阈值处理、边缘检测、轮廓检测.zip
04-10
opencv和pyqt5实现的图像处理程序，已实现转灰度图、图像平滑、形态学操作、梯度计算、阈值处理、边缘检测、轮廓检测，代码完整下载可用。 opencv和pyqt5实现的图像处理程序，已实现转灰度图、图像平滑、形态学...
opencv 形态学变换(开运算，闭运算，梯度运算)
12-17
形态学里把腐蚀和膨胀单独拿了出来，其他操作（保括膨胀和腐蚀的组合操作）都叫形态学变换。 opencv里有包：cv2.morphologyEx() morphology ：译文 形态学 使用python +opencv讲解 开运算 开运算：对图像先进行腐蚀...
使用opencv与pyqt5实现的图像处理程序，已实现转灰度图、图像平滑、形态学操作、梯度计算、阈值处理、边缘检测、轮廓检测
05-29
3. **形态学操作**：形态学操作是处理二值图像的一种强大工具，包括膨胀、腐蚀、开运算、闭运算等。例如，`cv2.dilate()`和`cv2.erode()`分别用于膨胀和腐蚀，而`cv2.morphologyEx()`则提供了更灵活的形态学变换，如...
基于opencv与pyqt5实现的图像处理程序，包括转灰度图、图像平滑、形态学操作、梯度计算、阈值处理、边缘检测、轮廓检测+源码
06-18
基于opencv与pyqt5实现的图像处理程序，包括转灰度图、图像平滑、形态学操作、梯度计算、阈值处理、边缘检测、轮廓检测+源码+GUI界面+文档，适合毕业设计、课程设计、项目开发。项目源码已经过严格测试，可以放心...
OpenCV-形态学梯度（GRADIENT）
翟天保的博客
05-21 1万+
形态学梯度：膨胀减腐蚀
Opencv获取形态学梯度
aspirinLi的博客
06-11 446
求图像梯度有很多方法，这里记录一下形态学梯度的方法。 求图像的梯度可以在图像增强时起到作用。这里https://blog.csdn.net/saltriver/article/details/78987096有部分说明。 我又用了大幂幂的美照，嘻嘻~ 原图： 一、使用形态学中的膨胀和腐蚀，选择（3，3）矩形作为模板 src = cv.imread("D:/pythonTest/img/1.jpg") cv.imshow("src", src) k = cv.getStructuringEle.
【千律】OpenCV基础：图像的形态学梯度
weixin_42704093的博客
04-03 663
环境：Python3.8 和 OpenCV 内容：图像的形态学梯度 形态学梯度：获取轮廓 import cv2 as cv import matplotlib.pyplot as plt # 封装图片显示函数 def image_show(image): if image.ndim == 2: plt.imshow(image, cmap='gray') else: image = cv.cvtColor(image, cv.COLOR_BGR2.
【openCV学习】28.形态学梯度
m0_66606474的博客
02-18 397
参数： img是原图，cv2.MORPH_GRADITENT代表要进行梯度运算，也可以把GRADITENT改成其他的单词来进行形态学的其他运算。图片中没有被腐蚀的部分不管是黑色还是白色，相减之后都是0（1-1=0，0-0=0），也就是黑色。被腐蚀掉的部分在原图中为1，在腐蚀图中为0，1-0=1，这样会呈现白色。在形态学中，梯度 = 原图 - 腐蚀后的图片。是卷积核，iterations代表迭代次数。求形态学梯度可以达到提取轮廓的效果。
【youcans 的 OpenCV 例程 200 篇】119. 图像的形态学梯度
youcans的博客
03-08 1819
图像的形态学梯度运算，是膨胀图像与腐蚀图像之差 ，可以得到图像的轮廓，通常用于提取物体边缘。 OpenCV 中的函数 **cv.morphologyEx** 可以实现形态学梯度运算，但要将参数 op 设为 MORPH_GRADIENT。
形态学操作-梯度运算
sundanping_123的博客
01-15 1083
轮廓图像=膨胀图像-腐蚀图像 核越大，轮廓越粗 import cv2 import numpy as np a=cv2.imread('image\gradient.bmp') k =np.ones((3,3),np.uint8) #核大小3*3，数据类型unit8整型 k1 =np.ones((7,7),np.uint8) #核大小7*7，数据类型unit8整型 b=cv2.morpho...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

_(*^▽^*)_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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