＜LearnOpenCV(9) C++＞形态学操作（二）

形态学操作（一）

简单了解二值图像的复合形态学操作（还是用二值图像吧）

API

CV_EXPORTS_W 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() );

• src 输入图像
• dst 输出图像
• op 操作类型 MORPH_OPEN、 MORPH_CLOSE、 MORPH_TOPHAT等
• kernel 遍历结构 （由前述getStructuringElement()获取）
• anchor 核心
• iterations 遍历次数等

开操作

先腐蚀后膨胀,应用得看前景和背景的具体情况，在前景白后景黑的时候可以用于去除小的影响。

但是反过来就是可以补漏洞

闭操作

先膨胀后腐蚀。同上，看具体情况

形态学梯度

膨胀减去腐蚀，就是基本梯度。

弱梯度位置（邻域低频，像素值变化不大）扩散高值与扩散低值差距不大，结果图像值偏小（黑色）。强梯度位置（邻域高频，像素值变化大），扩散高值与扩散低值差距大，结果图像偏大。

顶帽 tophat

原图减开操作

黑帽 blackhat

闭操作减原图

代码

#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
#define kernelSize 12
int main() {
	Mat src, dst_open, dst_close, dst_gradient, dst_tophat, dst_blackhat,dst_dilate,dst_erode;
	src = imread("3.jpg");

	if (!src.data)
	{
		printf("can not loading data!\n");
		return -1;
	}
	Mat kernel = getStructuringElement(MORPH_RECT, Size(kernelSize, kernelSize), Point(-1, -1));
	morphologyEx(src, dst_open, MORPH_OPEN, kernel);//开操作 MORPH_OPEN
	morphologyEx(src, dst_close, MORPH_CLOSE, kernel);
	dilate(src, dst_dilate, kernel);
	erode(src, dst_erode, kernel);
	dst_gradient = dst_dilate - dst_erode;//形态学梯度等于膨胀-腐蚀
	morphologyEx(src, dst_tophat, MORPH_TOPHAT, kernel);
	morphologyEx(src, dst_blackhat, MORPH_BLACKHAT, kernel);

	imshow("dst_open", dst_open);
	imshow("dst_close", dst_close);

	imshow("src", src);
	imshow("dst_gradient", dst_gradient);
	imshow("dst_blackhat", dst_blackhat);
	imshow("dst_tophat", dst_tophat);


	waitKey(0);
	return 1;
}

玩起来了

其实开操作可以去除rgb图像中高值细节，闭操作可以去除低值细节，所以对比两个图像的话可以看到它们部分地方互补。