c++视觉处理---开运算，闭运算

最新推荐文章于 2024-07-25 12:39:48 发布
最新推荐文章于 2024-07-25 12:39:48 发布
阅读量1.8k 收藏 6
点赞数
分类专栏： # C++视觉处理 文章标签： c++ 开发语言
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/qq_46107892/article/details/133738286
版权

c++视觉处理—开运算，闭运算

开运算和闭运算的处理不同

开运算和闭运算是形态学图像处理中的两种不同操作，它们的主要区别在于操作的顺序和效果：

  1. 开运算（Opening）：

    • 先腐蚀后膨胀。
    • 用于消除小物体、分离接触的物体、去除小的噪点。
    • 平滑物体的边界并减小物体的尺寸。
    • 填充物体中的小洞。
    • 去除小物体或连接细小物体的细节。

  2. 闭运算（Closing）：

    • 先膨胀后腐蚀。
    • 用于填充小的空洞、连接断裂的物体、平滑物体的边界。
    • 用于保持物体的大小和形状不变，但可能平滑其边界。
    • 填充物体中的小孔。

总的来说，开运算通常用于消除小的物体或分离接触的物体，而闭运算通常用于填充小的空洞或连接断裂的物体。它们可以相互补充使用，根据特定的图像处理需求，选择合适的操作来处理图像。这两种操作都是基本的形态学操作，用于图像增强、分割和去噪等应用。

开运算： cv::morphologyEx()

开运算是形态学图像处理中的一种操作，它通常用于去除二值图像中的小噪点或连接两个分离的目标对象。开运算结合了腐蚀和膨胀操作。首先，它对图像执行腐蚀操作，然后再对结果执行膨胀操作。这个操作可以用来平滑目标对象的边界并减小目标对象的尺寸。

在OpenCV中，可以使用 cv::morphologyEx() 函数来执行开运算操作。以下是 cv::morphologyEx() 函数的基本语法：

void cv::morphologyEx(
    cv::InputArray src,          // 输入图像
    cv::OutputArray dst,         // 输出图像
    int op,                      // 形态学操作类型，通常是 cv::MORPH_OPEN
    cv::InputArray kernel,       // 结构元素核
    cv::Point anchor = cv::Point(-1,-1),
    int iterations = 1,
    int borderType = cv::BORDER_CONSTANT,
    const cv::Scalar& borderValue = cv::morphologyDefaultBorderValue()
);

参数解释：

  • src：输入图像，通常是一个二值图像。
  • dst：输出图像，将开运算后的图像存储在这里。
  • op：形态学操作类型，通常是 cv::MORPH_OPEN，表示开运算。
  • kernel：结构元素核，用于定义开运算操作的形状和大小。
  • anchor：锚点位置，指示结构元素核的中心。默认值为 (-1, -1)，表示核的中心。
  • iterations：开运算操作的迭代次数。默认值为 1。
  • borderType：边界处理方式，用于处理边界像素。默认值为 cv::BORDER_CONSTANT。
  • borderValue：在边界处理方式为 cv::BORDER_CONSTANT 时使用的边界像素值。默认值为 cv::morphologyDefaultBorderValue()。

以下是一个示例，演示如何使用 cv::morphologyEx() 函数对二值图像执行开运算操作：

#include <opencv2/opencv.hpp>

int main() {
    // 读取输入二值图像
    cv::Mat binaryImage = cv::imread("binary_image.png", cv::IMREAD_GRAYSCALE);

    if (binaryImage.empty()) {
        std::cerr << "Failed to open the input image!" << std::endl;
        return -1;
    }

    // 定义开运算核（3x3的矩形核）
    cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));

    // 创建一个开运算后的图像副本
    cv::Mat openedImage;

    // 使用开运算操作处理图像
    cv::morphologyEx(binaryImage, openedImage, cv::MORPH_OPEN, kernel);

    // 显示原始二值图像和开运算后的图像
    cv::namedWindow("Binary Image", cv::WINDOW_NORMAL);
    cv::namedWindow("Opened Image", cv::WINDOW_NORMAL);

    cv::imshow("Binary Image", binaryImage);
    cv::imshow("Opened Image", openedImage);

    cv::waitKey(0);

    return 0;
}

在这个示例中，我们首先读取了一个二值图像，然后定义了一个开运算核（3x3的矩形核）。接下来，我们使用 cv::morphologyEx() 函数对输入的二值图像执行开运算操作，并将结果存储在 openedImage 中。最后，我们显示了原始二值图像和开运算后的图像。开运算操作通常用于去除小的噪点或连接分离的目标对象。

在这里插入图片描述

闭运算： cv::morphologyEx()

闭运算是形态学图像处理中的一种操作，它通常用于填充目标对象的小空洞、连接断裂的目标对象或平滑目标对象的边界。闭运算结合了膨胀和腐蚀操作。首先，它对图像执行膨胀操作，然后再对结果执行腐蚀操作。这个操作可以用来平滑目标对象的边界并填充目标对象的小孔。

在OpenCV中，可以使用 cv::morphologyEx() 函数来执行闭运算操作。以下是 cv::morphologyEx() 函数的基本语法：

void cv::morphologyEx(
    cv::InputArray src,          // 输入图像
    cv::OutputArray dst,         // 输出图像
    int op,                      // 形态学操作类型，通常是 cv::MORPH_CLOSE
    cv::InputArray kernel,       // 结构元素核
    cv::Point anchor = cv::Point(-1,-1),
    int iterations = 1,
    int borderType = cv::BORDER_CONSTANT,
    const cv::Scalar& borderValue = cv::morphologyDefaultBorderValue()
);

参数解释：

  • src：输入图像，通常是一个二值图像。
  • dst：输出图像，将闭运算后的图像存储在这里。
  • op：形态学操作类型，通常是 cv::MORPH_CLOSE，表示闭运算。
  • kernel：结构元素核，用于定义闭运算操作的形状和大小。
  • anchor：锚点位置，指示结构元素核的中心。默认值为 (-1, -1)，表示核的中心。
  • iterations：闭运算操作的迭代次数。默认值为 1。
  • borderType：边界处理方式，用于处理边界像素。默认值为 cv::BORDER_CONSTANT。
  • borderValue：在边界处理方式为 cv::BORDER_CONSTANT 时使用的边界像素值。默认值为 cv::morphologyDefaultBorderValue()。

以下是一个示例，演示如何使用 cv::morphologyEx() 函数对二值图像执行闭运算操作：

#include <opencv2/opencv.hpp>

int main() {
    // 读取输入二值图像
    cv::Mat binaryImage = cv::imread("binary_image.png", cv::IMREAD_GRAYSCALE);

    if (binaryImage.empty()) {
        std::cerr << "Failed to open the input image!" << std::endl;
        return -1;
    }

    // 定义闭运算核（3x3的矩形核）
    cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));

    // 创建一个闭运算后的图像副本
    cv::Mat closedImage;

    // 使用闭运算操作处理图像
    cv::morphologyEx(binaryImage, closedImage, cv::MORPH_CLOSE, kernel);

    // 显示原始二值图像和闭运算后的图像
    cv::namedWindow("Binary Image", cv::WINDOW_NORMAL);
    cv::namedWindow("Closed Image", cv::WINDOW_NORMAL);

    cv::imshow("Binary Image", binaryImage);
    cv::imshow("Closed Image", closedImage);

    cv::waitKey(0);

    return 0;
}

在这个示例中，我们首先读取了一个二值图像，然后定义了一个闭运算核（3x3的矩形核）。接下来，我们使用 cv::morphologyEx() 函数对输入的二值图像执行闭运算操作，并将结果存储在 closedImage 中。最后，我们显示了原始二值图像和闭运算后的图像。闭运算操作通常用于平滑目标对象的边界并填充小孔。

在这里插入图片描述

使用相机实时开运算处理

#include <opencv2/opencv.hpp>

// 全局变量，用于存储滑动条的值
int kernelSize = 1; // 初始核大小为1

// 回调函数，用于处理滑动条的值变化
void onTrackbar(int value, void* userdata) {
    cv::VideoCapture* cap = static_cast<cv::VideoCapture*>(userdata);

    // 创建窗口
    cv::namedWindow("Live Camera Feed", cv::WINDOW_NORMAL);

    while (true) {
        cv::Mat frame;

        // 从相机中读取一帧图像
        *cap >> frame;

        if (frame.empty()) {
            std::cerr << "Failed to read frame from the camera!" << std::endl;
            break;
        }

        // 定义开运算核
        cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(kernelSize, kernelSize));

        // 创建一个开运算后的图像副本
        cv::Mat openedFrame;

        // 使用开运算操作处理图像
        cv::morphologyEx(frame, openedFrame, cv::MORPH_OPEN, kernel);

        // 显示实时摄像头图像和开运算后的图像
        cv::imshow("Live Camera Feed", frame);
        cv::imshow("Opened Frame", openedFrame);

        // 检查键盘输入，如果按下ESC键，退出循环
        char key = cv::waitKey(1);
        if (key == 27) // 27对应ESC键的ASCII码
            break;
    }
}

int main() {
    cv::VideoCapture cap(0);

    if (!cap.isOpened()) {
        std::cerr << "Could not open the camera!" << std::endl;
        return -1;
    }

    // 创建窗口
    cv::namedWindow("Live Camera Feed", cv::WINDOW_NORMAL);

    // 创建滑动条
    cv::createTrackbar("Kernel Size", "Live Camera Feed", &kernelSize, 30, onTrackbar, &cap);

    // 初始化一次滑动条回调函数以显示默认值
    onTrackbar(kernelSize, &cap);

    // 释放摄像头资源和关闭窗口
    cap.release();
    cv::destroyAllWindows();

    return 0;
}

使用相机实时闭运算处理

#include <opencv2/opencv.hpp>

// 全局变量，用于存储滑动条的值
int kernelSize = 1; // 初始核大小为1

// 回调函数，用于处理滑动条的值变化
void onTrackbar(int value, void* userdata) {
    cv::VideoCapture* cap = static_cast<cv::VideoCapture*>(userdata);

    // 创建窗口
    cv::namedWindow("Live Camera Feed", cv::WINDOW_NORMAL);

    while (true) {
        cv::Mat frame;

        // 从相机中读取一帧图像
        *cap >> frame;

        if (frame.empty()) {
            std::cerr << "Failed to read frame from the camera!" << std::endl;
            break;
        }

        // 定义闭运算核
        cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(kernelSize, kernelSize));

        // 创建一个闭运算后的图像副本
        cv::Mat closedFrame;

        // 使用闭运算操作处理图像
        cv::morphologyEx(frame, closedFrame, cv::MORPH_CLOSE, kernel);

        // 显示实时摄像头图像和闭运算后的图像
        cv::imshow("Live Camera Feed", frame);
        cv::imshow("Closed Frame", closedFrame);

        // 检查键盘输入，如果按下ESC键，退出循环
        char key = cv::waitKey(1);
        if (key == 27) // 27对应ESC键的ASCII码
            break;
    }
}

int main() {
    cv::VideoCapture cap(0);

    if (!cap.isOpened()) {
        std::cerr << "Could not open the camera!" << std::endl;
        return -1;
    }

    // 创建窗口
    cv::namedWindow("Live Camera Feed", cv::WINDOW_NORMAL);

    // 创建滑动条
    cv::createTrackbar("Kernel Size", "Live Camera Feed", &kernelSize, 30, onTrackbar, &cap);

    // 初始化一次滑动条回调函数以显示默认值
    onTrackbar(kernelSize, &cap);

    // 释放摄像头资源和关闭窗口
    cap.release();
    cv::destroyAllWindows();

    return 0;
}
枭玉龙
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
windows下c++版faster -rcnn
11-24
Faster R-CNN（快速区域卷积神经网络）是一种在计算机视觉领域广泛应用的目标检测算法，由Ross Girshick、Kaiming He、Shaoqing Ren和Jian Sun于2015年提出。该算法在实时性能和检测精度上都取得了显著的进步，尤其...
CGAL多面体布尔运算-C++代码+详细说明文档
11-19
这个库广泛应用于三维图形处理、计算机辅助设计（CAD）、计算机视觉、机器人学等领域。在CGAL中，多面体布尔运算是一个关键功能，它允许用户进行复杂的几何对象操作，如并集、交集和差集，这对于3D建模和几何分析至...
形态学滤波（2）：开运算、闭运算、形态学梯度、顶帽、黑帽
baimaoxi1871的博客
04-28 416
一、开运算 开运算，就是先腐蚀后膨胀的过程 数学表达式： 　　dst = open(src,element) = dilate(erode(src, element)) 开运算可以用来消除小物体，在纤细点处分离物体，并且在平滑较大物体的边界的同时不明显改变其面积。 二、闭运算 闭运算，就是先膨胀后腐蚀的过程 数学表达式： 　　dst = open(src,eleme...
opencv（五）图像的形态学操作（腐蚀和膨胀）及其其他运算
weixin_73044854的博客
11-27 1078
opencv的图像的形态学操作（腐蚀和膨胀）及其其他运算
图像处理（期末总结）
m0_64758283的博客
06-15 313
图像处理基础期末复习总结
Opencv C++ 形态学图像处理（腐蚀、膨胀、开运算、闭运算）
weixin_43965740的博客
02-25 1546
形态学运算是用集合来定义的。在图像处理（主要在二值图像上）中，我们使用两类像素集合的形态学：目标元素和结构元（SE）。通常，目标定义为前景像素集合。结构元可以按照前景像素和背景像素来规定的。
OpenCV--C++图像像素处理--逻辑运算与二值化
ssunshining的博客
05-02 3654
一、逻辑运算（and, or, xor, not） #include<opencv2/opencv.hpp> #include<iostream> using namespace std; using namespace cv; int main() { Mat img = imread("colors.jpg"); if (img.empty()) { cout << "读取图片失败" << endl; return -1; }
OpenCV之图像闭运算（C++实现）
xddwz的博客
12-19 3836
闭运算是先膨胀后腐蚀的过程，数学表达式为： dst = close(src, element) = erode(dilate(src, element)) 闭运算能够排除小型黑洞（黑色区域），也有两种方法，代码示例： #include <iostream> #include <opencv2/opencv.hpp> #include <opencv2/core/core.hpp> #include <opencv2/imgproc/imgproc.hpp&g
Opencv(C++)笔记--形态学操作之开、闭操作、基本梯度计算、顶帽和黑帽操作
牵一只蜗牛去散步
12-16 2474
② 作用：消除值高于邻近点的孤立点，达到去除图像中噪声的作用（假定对象是前景色、背景是黑色）；消除较小的连通域，保留较大的连通域；不明显改变较大连通域的面积的情况下平滑连通域的连界、轮廓；② 作用：消除值低于邻近点的孤立点，达到去除图像中噪声的作用（假定对象是前景色、背景是黑色）；① 原理：计算闭运算操作的图像与原图像的差距；① 原理：计算原图像和开运算图像的差值图像；① 原理：先进行腐蚀操作，再进行膨胀操作；① 原理：先进行膨胀操作，再进行腐蚀操作；① 原理：膨胀后的图像减去腐蚀后的图像；
白话文讲计算机视觉-第四讲-腐蚀膨胀及开闭运算
小木的博客
05-26 6335
大家好，我们又见面了，今天我们主讲的内容只有一个，那就是腐蚀膨胀，我也懒惰一回啦，别的就不讲啦，哈哈哈。首先我来说一下什么是腐蚀：腐蚀腐蚀就是是将灰度值小的像素点给扩展了，用来去除比较亮的（灰度值大的）噪点。假如我们现在有一张灰度图和一个卷积核：我们要用左边的6*6的图和右边的卷积核做卷积。其中，图片中黑色的矩形区域表示亮度大的位置，白色的小矩形区域表示亮度小的位置。我们这次做的卷积和我们上节课...
Opencv(C++)笔记--掩码操作
牵一只蜗牛去散步
12-08 1128
比较重要的参数：src 表示源图像，dst 表示生成的目标图像，ddepth 表示目标图像的深度，默认为与源图像相同，kernel 为自定义的滤波矩阵；② saturate_cast的用法：将像素值约束在0-255之间，当像素值小于0时置0，当像素值大于255时置255；③ 通过指针遍历图片像素的方法：需要注意彩色图像在内存中的存储方式，B、G、R三种颜色是依次存储在内存中的（见图2）；3--Opencv函数filter2D。
【机器视觉学习笔记】二值图像和灰度图像的膨胀、腐蚀、开运算、闭运算算法（C++）
乙酸氧铍的博客
10-25 5867
目录完整源码效果原图腐蚀运算膨胀运算开运算闭运算 平台：Windows 10 20H2 Visual Studio 2015 OpenCV 4.5.3 完整源码 //包含头文件 #include <opencv2/opencv.hpp> //命名空间 using namespace cv; using namespace std; //全局函数声明部分 //我的腐蚀运算 Mat Erode(Mat src, Mat Mask, uint32_t x0, uint32_t y0) {
Darknet-C++实现YOLOv4.zip
09-04
Darknet是一个开源的深度学习框架，主要用于计算机视觉任务，如图像分类、目标检测等。这个压缩包"Darknet-C++实现YOLOv4.zip"包含了用C++语言编写的Darknet框架来实现YOLOv4的源代码。 YOLOv4的核心改进包括： 1....
zoom.Derrgner_C-C++_zoom_
10-01
标题 "zoom.Derrgner_C-C++_zoom_" 暗示了这是一个关于 C++ 编程语言，可能与图像处理或视频分析相关的项目，特别是使用了“zoom”功能。描述提到“Prototype mode 速度最快的运动检测代码”，这表明这个项目可能...
C++ - opencv + 图像处理 + 获取特征点
05-14
5. 形态学处理，如膨胀、腐蚀、开运算和闭运算，常用于去除噪声、分离相连的物体、填充孔洞等，它是图像预处理的重要步骤，能提高后续特征点检测的准确性。 6. 霍夫变换，如霍夫直线变换和霍夫圆变换，用于检测图像...
C语言 之 理解指针（1）
fallzzzzz的博客
07-20 1193
就是先获取该数组的首元素的地址，从前面我们知道，指针的类型的作用是指针+1 所跳过的字节数，int为整形，大小为4个字节，所以p+1就跳过4个字节，p+2就跳过8个字节，计算机的CPU（中央处理器）在处理数据的时候，需要的数据是在内存中读取的，处理后数据也会放回内存中，如果想对这些空间进行高效的管理，就可以。并且我们知道，数组的元素存放是随着下标增长，内存地址变大的。上面的代码创建了一个整型变量n，因为一个整形的大小是4个字节，所以内存中申请了4个字节，⽤于存放整数10，其中每个字节都有地址。
C++ primer plus 第16章string 类和标准模板库, 关联容器
最新发布
zhyjhacker的博客
07-25 662
C++ primer plus 第16章string 类和标准模板库, 关联容器。
VS2019编译和使用gtest测试（C++）
m0_65635427的博客
07-24 272
下载下来解压到文件夹，再在文件夹里面新建一个build文件夹，如下：再安装cmake，可以先检查一下是否安装了cmake，打开命令窗口，输入cmake -version：然后双击就对了，我这里已经安装好了，无法提供截图，注意一点就是在让选择是否建立系统环境变量（path）的时候，记得勾上第二个建立系统环境变量！下载好之后，记得检验一下是否安装成功，如果在普通用户下显示没有，建议用管理员身份打开命令窗口，再次尝试。之后命令窗口进入创建的build文件夹路径里面执行cmake ../
评论 1
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

枭玉龙

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