OpenCv--形态学操作(膨胀,腐蚀,开操作,闭操作)

形态学操作

形态学（形态学）常应用在生物学中，研究动植物的形态和结构;

图像形态学即数学形态学（Mathematical morphology）是一门建立在格伦和拓扑学基础上的图像分析学科，是数学形态学图像处理的基本理论;

常见图像形态学运算：腐蚀，膨胀，开运算，闭运算，骨架抽取，极线腐蚀，击中击不中变换，顶帽变换，颗粒分析，流域变换，形态学梯度等;

最基本的形态学操作是：膨胀（扩张）和腐蚀（侵蚀）;

膨胀和腐蚀的主要用途：

消除噪声;

分割出独立的图像元素，在图像中连接相邻的元素;

寻找图像中明显的极大值或极小值区;

求出图像的梯度;

【注】：

腐蚀和膨胀是对像素值大的部分而言的，即高亮白部分而不是黑色部分;

膨胀是图像中的高亮部分进行膨胀，领域扩张，效果图拥有比原图更大的高亮区域;

腐蚀是图像中的高亮部分被腐蚀掉，领域缩减，效果图拥有比原图更小的高亮区域;

• 膨胀

原理：求局部最大值;

实现方法：

①定义一个卷积核B，核可以是任何的形状和大小，且拥有一个单独定义出来的参考点 - 锚点（anchorpoint）;

通常和为带参考点的正方形或者圆盘，可将核称为模板或掩膜;

②将核乙与图像甲进行卷积，计算核乙覆盖区域的像素点最大值;

③将这个最大值赋值给参考点指定的像素;

因此，图像中的高亮区域逐渐增长。

• 腐蚀

腐蚀原理：

腐蚀：局部最小值（与膨胀相反）;

①定义一个卷积核B，核可以是任何的形状和大小，且拥有一个单独定义出来的参考点 - 锚点（anchorpoint）;

通常和为带参考点的正方形或者圆盘，可将核称为模板或掩膜;

②将核乙与图像甲进行卷积，计算核乙覆盖区域的像素点最小值;

③将这个最小值赋值给参考点指定的像素;

因此，图像中的高亮区域逐渐减小。

---

OpenCV的中膨胀函数-dilate（）

格式：

空隙扩张（

InputArray src，//输入

OutputArray dst，//输出

InputArray kernel，//核大小

点锚点=点（-1，-1），//锚位置，（ - 1，-1）为中心

int iterations = 1，//迭代次数

int borderType = BORDER_CONSTANT，//图像边界像素模式

const Scalar＆borderValue = morphologyDefaultBorderValue（）//边界值

）

【注】：

关于核，一般配合getStructuringElement（）使用;

getStructuringElement（）：返回指定形状和尺寸的结构元素;

格式：

getStructuringElement（int shape，Size ksize，Point anchor = Point（-1，-1））;

参数：

形状：表核的形状，矩形MORPH_RECT;交叉形MORPH_CROSS;椭圆形MORPH_ELLIPSE;

ksize：核尺寸大小;

锚：锚点的位置，锚点只影响形态学运算结果的偏移;

---

OpenCV的中腐蚀函数-erode（）

格式：

无效（

InputArray src，//输入

OutputArray dst，//输出

InputArray kernel，//核大小

点锚点=点（-1，-1），//锚位置，（ - 1，-1）为中心

int iterations = 1，//迭代次数

int borderType = BORDER_CONSTANT，//图像边界像素模式

const Scalar＆borderValue = morphologyDefaultBorderValue（）//边界值

）

 

---

开闭操作的目的：

开操作可以平滑物体轮廓，断开狭窄的间断和消除细小的突出物。它具有消除细小物体，在纤细处分离物体和平滑较大物体边界的作用。采用上图的结构B对原件进行开操作， 

闭操作可以消弭狭窄的间断，消除小的孔洞。先膨胀后腐蚀的操作称之为闭操作。它具有填充物体内细小空洞，连接邻近物体和平滑边界的作用。采用上图的结构对原件进行闭操作， 

• 形态学开运算：

• 开运算（Open Operation）：先腐蚀后膨胀的过程;

功能：

消除小物体;

在纤细处分离物体;

平滑较大的边界并不明显改变其面积;

---

• 形态学闭运算：

• 闭运算（Closing Openration），先膨胀后腐蚀;

功能：

排除小型黑洞（黑斑）;

---

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
Mat src1, src2;
int ment_size=10;
void demo(int,void*);
int main()
{
	src1 = imread("C:\\Users\\马迎伟\\Desktop\\douyin.jpg");
	if (src1.empty())
	{
		cout << "could not find src1" << endl;
		return -1;
	}
	namedWindow("output",CV_WINDOW_AUTOSIZE);
	createTrackbar("elementsize", "output", &ment_size, 21, demo);
	demo(0,0);
	imshow("output",src2);
	waitKey(0);
	return 0;
}
void demo(int ,void*)
{
	int size = 2*ment_size+1;
	//获取 kernel的形状
	Mat ds = getStructuringElement(MORPH_RECT, Size(size, size),Point(-1,-1));
  //dilate(src1, src2, ds);   //膨胀
	erode(src1,src2,ds,Point(-1,-1));      //腐蚀
}

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
Mat src1, src2;
int main()
{
	src1 = imread("C:\\Users\\马迎伟\\Desktop\\douyin.jpg");
	if (src1.empty())
	{
		cout << "could not find src1" << endl;
		return -1;
	}
	namedWindow("output", CV_WINDOW_AUTOSIZE);
	//开 操作，先腐蚀后膨胀；  （深色背景中去 浅色）
	//闭 操作，先膨胀后腐蚀；  （浅色背景中去 深色）
	Mat kernel = getStructuringElement(MORPH_RECT,Size(40,40),Point(-1,-1));
	//cout << kernel << endl;
	//morphologyEx(src1,src2,CV_MOP_OPEN,kernel);
	morphologyEx(src1, src2, CV_MOP_TOPHAT, kernel);
	//imshow("output", src2);
	//形态学梯度，又称为基本梯度，（膨胀减去腐蚀）CV_MOP_GRADIENT
	//黑帽 （闭操作与原图像的差值）  CV_MOP_BLACKHAT
	//顶帽 （原图像与开操作的差值）  CV_MOP_TOPHAT
	imshow("output",src2);
	waitKey(0);
	return 0;
}