c++视觉处理---开运算，闭运算

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。

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。

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;
}