目录
1 概念讲解及用处
黑帽操作(Black Hat)是形态学操作中的一种,它是闭运算与原始图像之差,其中闭运算是先进行膨胀操作,然后再进行腐蚀操作。黑帽操作可用于检测图像中的大尺寸目标或局部对比度变化。
黑帽运算后的效果图突出了比原图轮廓周围的区域更暗的区域,且这一操作和选择的核的大小相关。 黑帽运算用来分离比邻近点暗一些的斑块。
2 API函数详解
在OpenCV中,可以通过morphologyEx()函数来实现图像的黑帽操作。函数的定义如下:
void cv::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());
src: 输入的源图像。
dst: 输出的目标图像,用于存储开运算结果。
op: 形态学操作类型,使用MORPH_OPEN表示开运算操作。
kernel: 结构元素,用于指定形态学操作的邻域大小和形状。
anchor: 结构元素的锚点,默认为(-1,-1)表示位于结构元素的中心。
iterations: 操作的迭代次数,默认为1。
borderType: 图像边界的处理方式,默认为BORDER_CONSTANT表示用常数填充边界。
borderValue: 边界填充的颜色,默认为默认值。
3 用C++编写代码进行实现
下面是使用OpenCV库在C++中实现图像黑帽操作的示例代码:
#include <opencv2/opencv.hpp>
using namespace cv;
int main()
{
Mat srcImage = imread("input.jpg", IMREAD_GRAYSCALE);
if (srcImage.empty())
{
printf("Failed to load image\n");
return -1;
}
Mat dstImage;
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 定义3x3的矩形结构元素
morphologyEx(srcImage, dstImage, MORPH_BLACKHAT, kernel);
imshow("Source Image", srcImage);
imshow("Black Hat Result", dstImage);
waitKey(0);
return 0;
}
在代码中,首先加载输入图像srcImage,然后定义了一个3x3的矩形结构元素kernel。接下来,使用morphologyEx()函数进行黑帽运算操作,并将结果保存在dstImage中。最后,显示原始图像和黑帽运算结果图像,并等待按键退出程序。