opencv学习 - 图像处理 形态学操作 开操作、闭操作、形态学梯度、顶帽和黑帽

膨胀、腐蚀、开、闭运算是形态学操作中最基本的操作

形态学操作一般针对于 二值化图像。

腐蚀：在核区域内，选择最小像素值为当前像素值，和最小值滤波类似、不同点：腐蚀的核形状可以是圆形、矩形和十字形等等。腐蚀从图像变化上来看：就是黑吃白（因为选择的是最小值像素值）。

膨胀：在核区域内，选择最大像素值为当前像素值，和最大值滤波类似；不同点：同上，膨胀从图像变化上来看：白吃黑（因选最大像素值）。

开运算：先腐蚀，后膨胀   应用：如 去掉在黑色背景下小块白色区域， 先腐蚀：把小块白色区域吃掉。后膨胀：把大块白色复原。

闭运算：先膨胀，后腐蚀   应用：如 去掉在白色背景下的小块黑色区域。

形态渐层处理：膨胀 减去 腐蚀  又称：基本梯度。还有内部梯度（原图 - 腐蚀图）、方向梯度（x或y方向进行梯度计算）。

顶帽：原图 与 开运算的差值            ---得开运算后的图与原图的变化图。 如：开运算解释 应用中的 小块白色区域。

黑帽：闭运算 与 原图的差值。         ---得闭运算后的图与原图的变化图。如：开运算解释 应用中的 小块黑色区域。

根据想要去掉的区域大小，进行选择核大小。

 

介绍两个个API

（1）自适应阈值化操作：adaptiveThreshold()函数

1. 每个像素位置处的二值化阈值不是固定不变的，而是由其周围邻域像素的分布来决定的。

2. 亮度较高的图像区域的二值化阈值通常会较高，而亮度低的图像区域的二值化阈值则会相适应的变小。

3. 不同亮度、对比度、纹理的局部图像区域将会拥有相对应的局部二值化阈值。

1.    void adaptiveThreshold(InputArray src, OutputArray dst,  
2.                           double maxValue, int adaptiveMethod,  
3.                           int thresholdType, int bolckSize, double C)  

参数说明

参数1：InputArray类型的src，输入图像，填单通道，单8位浮点类型Mat即可。
参数2：函数运算后的结果存放在这。即为输出图像（与输入图像同样的尺寸和类型）。
参数3：预设满足条件的最大值。
参数4：指定自适应阈值算法。可选择ADAPTIVE_THRESH_MEAN_C 或 ADAPTIVE_THRESH_GAUSSIAN_C两种。（具体见下面的解释）。
参数5：指定阈值类型。可选择THRESH_BINARY或者THRESH_BINARY_INV两种。（即二进制阈值或反二进制阈值）。
参数6：表示邻域块大小，用来计算区域阈值，一般选择为3、5、7......等。
参数7：参数C表示与算法有关的参数，它是一个从均值或加权均值提取的常数，可以是负数。（具体见下面的解释）。

对参数4与参数7内容的解释：

自适应阈值化计算大概过程是为每一个象素点单独计算的阈值，即每个像素点的阈值都是不同的，就是将该像素点周围B*B区域内的像素加权平均，然后减去一个常数C，从而得到该点的阈值。B由参数6指定，常数C由参数7指定。

ADAPTIVE_THRESH_MEAN_C，为局部邻域块的平均值，该算法是先求出块中的均值，再减去常数C。

ADAPTIVE_THRESH_GAUSSIAN_C，为局部邻域块的高斯加权和。该算法是在区域中(x, y)周围的像素根据高斯函数按照他们离中心点的距离进行加权计算，再减去常数C。

举个例子：如果使用平均值方法，平均值mean为190，差值delta（即常数C）为30。那么灰度小于160的像素为0，大于等于160的像素为255。如下图：

如果是反向二值化，如下图：

delta（常数C）选择负值也是可以的。

（2）高级形态变换函数  morphologyEx

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() );

morphologyEx函数利用基本的膨胀和腐蚀技术，来执行更加高级形态学变换
src
输入图像，图像位深应该为以下五种之一：CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F。
dst
输出图像，需和源图片保持一样的尺寸和类型。
op
表示形态学运算的类型：
MORPH_OPEN – 开运算（Opening operation）
MORPH_CLOSE – 闭运算（Closing operation）
MORPH_GRADIENT - 形态学梯度（Morphological gradient）
MORPH_TOPHAT - 顶帽（Top hat）
MORPH_BLACKHAT - 黑帽（Black hat）
kernel
形态学运算的内核。为NULL，使用参考点位于中心3x3的核。一般使用函数getStructuringElement配合这个参数的使用，
kernel参数填保存getStructuringElement返回值的Mat类型变量。
anchor
锚的位置，其有默认值（-1，-1），表示锚位于中心。
iterations
迭代使用函数的次数，默认值为1。
borderType
用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_CONSTANT。
borderValue
当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，

一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。

提取线 和 提取ABCD 实例代码

#include "stdafx.h"
#include<opencv2/opencv.hpp>
#include<iostream>
#include<algorithm>

using namespace std;
using namespace cv;

void MorV()        // 垂直线提取
{
	Mat src, dst,gray_src;
	src = imread("C:/Users/Geek/Desktop/1281425_2019-07-18_10_0/zhiline.png", 1);
	imshow("src", src);
	cvtColor(src,gray_src,CV_BGR2GRAY);
	imshow("gray_src", gray_src);
	Mat BinImage;
	//imshow("~gray_src",~gray_src);

	adaptiveThreshold(gray_src, BinImage, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 21, 25);
	// 一定要学习好使用这个函数，注意各个参数，其实可以自己写（看我博客即可）

	imshow("BinImage", BinImage);
	// 水平核
	Mat hline = getStructuringElement(MORPH_RECT, Size(30, 1), Point(-1, -1));
	// 竖直核
	Mat vline = getStructuringElement(MORPH_RECT, Size(1, 40), Point(-1, -1));   // 你看我垂直核多大，因为A太粗了
	Mat DImage;

	//dilate(BinImage, DImage, hline);   // 膨胀
	//erode(DImage, dst, hline);      // 腐蚀
	morphologyEx(BinImage,dst,MORPH_CLOSE, vline, Point(-1, -1));

	blur(dst, dst, Size(3, 3),Point(-1,-1));
	
	imshow("dst",dst);
	waitKey(0);
}

void MorH()   // 水平线提取
{
	Mat src, dst, gray_src;
	src = imread("C:/Users/Geek/Desktop/1281425_2019-07-18_10_0/zhiline.png", 1);
	imshow("src", src);
	cvtColor(src, gray_src, CV_BGR2GRAY);
	imshow("gray_src", gray_src);
	Mat BinImage;
	//imshow("~gray_src",~gray_src);

	adaptiveThreshold(~gray_src, BinImage, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 21, -10);
	// 看准 ~ 和 21窗口大小 和  阈值减去的值（最后一个值）。 
	// 一定要学习好使用这个函数，注意各个参数，其实可以自己写（看我博客即可）

	imshow("BinImage", BinImage);
	// 水平核
	Mat hline = getStructuringElement(MORPH_RECT, Size(20, 1), Point(-1, -1));
	// 竖直核
	Mat vline = getStructuringElement(MORPH_RECT, Size(1, 20), Point(-1, -1));
	Mat DImage;

	//erode(BinImage, DImage, hline);   // 腐蚀
	//dilate(DImage, dst, hline);      // 膨胀
	morphologyEx(BinImage, dst, MORPH_OPEN, hline, Point(-1, -1));   // 开运算

	bitwise_not(dst, dst);   // 进行 非运算 和 ~应该相同。
	blur(dst, dst, Size(3, 3), Point(-1, -1));

	imshow("dst", dst);
	waitKey(0);
}

void MorABCD()    // 提取ABCD
{
	Mat src, dst, gray_src;
	src = imread("C:/Users/Geek/Desktop/1281425_2019-07-18_10_0/处理ABCD.png", 1);
	imshow("src", src);
	cvtColor(src, gray_src, CV_BGR2GRAY);
	imshow("gray_src", gray_src);
	Mat BinImage;
	//imshow("~gray_src",~gray_src);

	adaptiveThreshold(~gray_src, BinImage, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 21, -10);
	// 看准 ~ 和 21窗口大小 和  阈值减去的值（最后一个值）。 
	// 一定要学习好使用这个函数，注意各个参数，其实可以自己写（看我博客即可）

	imshow("BinImage", BinImage);
	// 水平核
	Mat hline = getStructuringElement(MORPH_RECT, Size(20, 1), Point(-1, -1));
	// 竖直核
	Mat vline = getStructuringElement(MORPH_RECT, Size(1, 20), Point(-1, -1));
	Mat ABCD = getStructuringElement(MORPH_RECT, Size(2, 2), Point(-1, -1));
	Mat DImage;

	//erode(BinImage, DImage, hline);   // 腐蚀
	//dilate(DImage, dst, hline);      // 膨胀
	morphologyEx(BinImage, dst, MORPH_OPEN, ABCD, Point(-1, -1));   // 开运算
	//morphologyEx(BinImage, dst, MORPH_OPEN, ABCD, Point(-1, -1));   // 开运算
    blur(dst, dst, Size(3, 3), Point(-1, -1));
	bitwise_not(dst, dst);   // 进行 非运算 和 ~应该相同。	

	imshow("dst", dst);
	waitKey(0);
}
int main()
{
	MorV();
	MorH();
	MorABCD();
    return 0;
}

结果：

提取ABCD

提取直线结果