opencv+qt学习笔记四：模糊+形态学

这篇文章主要介绍图像模糊和形态学操作中用到的一些API。

一、图像模糊

1. 均值模糊 blur(Mat src, Mat dst, Size(x，y), Point(-1,-1));
   参数1：输入图片
   参数2：输出图片
   参数3：x*y大小的内核
   参数4：锚点（默认-1，-1）
2. 高斯模糊 GaussianBlur(Mat src, Mat dst, Size(11, 11), sigmax, sigmay);
   参数1：输入图片
   参数2：输出图片
   参数3：内核大小
   参数4：高斯核函数在X方向上的标准偏差
   参数5：高斯核函数在Y方向上的标准偏差
3. 中值模糊 medianBlur(Mat src, Mat dst, ksize)
   参数1：输入图片
   参数2：输出图片
   参数3：滤波模板的尺寸大小（大于1的奇数）
4. 双边滤波 bilateralFilter(Mat src, Mat dst, d = 15, double sigmaColor, double sigmaSpace)
   参数1：输入图片
   参数2：输出图片
   参数3：计算的半径，半径之内的像素会被纳入计算，如果提供-1则根据sigma space参数取值
   参数4：sigma color决定多少差值之内的像素会被计算
   参数5：如果d的值大于0则声明无效，否则用它来计算d值

二、腐蚀与膨胀

1. 获取结构元素 Mat getStructuringElement(int shape, Size esize, Point anchor = Point(-1, -1));
   参数1：内核形状
   - 矩形：MORPH_RECT;
   - 交叉形：MORPH_CROSS;
   - 椭圆形：MORPH_ELLIPSE;
   参数2：内核尺寸
   参数3：内核锚点
2. 膨胀 dilate(src, dst, kernal)
   参数1：输入图片
   参数2：输出图片
   参数3：膨胀操作的核
3. 腐蚀 erode(src, dst, kernal)
   参数1：输入图片
   参数2：输出图片
   参数3：腐蚀操作的核

三、形态学操作

1. 形态学操作 morphologyEx(src, dest, CV_MOP_BLACKHAT, kernel);
   参数1：输入图片
   参数2：输出图片
   参数3：形态学操作类型
   - 开操作：CV_MOP_OPEN -先腐蚀后膨胀
   - 闭操作：CV_MOP_CLOSE -先膨胀后腐蚀
   - 形态学梯度：CV_MOP_GRADIENT -膨胀减去腐蚀
   - 顶帽：CV_MOP_TOPHAT -原图像与开操作图像的差值图像
   - 黑帽：CV_MOP_BLACKHAT -闭操作图像与原图像的差值图像
   参数4：结构元素
2. 自适应二值化 adaptiveThreshold( Mat src, Mat dest, double maxValue, int adaptiveMetad, int thresholdType, int blockSize, double C）
   参数1：输入的灰度图像
   参数2：输出的二值图像
   参数3：二值图像最大值
   参数4：自适应方法
   - ADAPTIVE_THRESH_MEAN_C 计算出领域的平均值再减去第七个参数double C的值
   - ADAPTIVE_THRESH_GAUSSIAN_C 计算出领域的高斯均值再减去第七个参数double C的值
   参数5：阈值类型
   - THRESH_BINARY
   - THRESH_BINARY_INV
   参数6：块大小
   参数7：最终阈值

本文作为自学路上的笔记使用，有错误还请各位大佬指正[抱拳]。