Image Morphology（图像形态学）

最新推荐文章于 2022-09-28 21:46:37 发布

向AlphaGo看起

最新推荐文章于 2022-09-28 21:46:37 发布

阅读量2.8k

点赞数 3

分类专栏： OpenCV3 文章标签：图像处理 OpenCV3-2 计算机视觉

本文链接：https://blog.csdn.net/u010779781/article/details/72822579

版权

OpenCV3 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

一、前言

　　在图像处理过程中，我们常常需要将自己感兴趣的区域与背景分离处理出来；图像二值化是一种简单有效的操作，一般选择合适的阈值就可以很好的将感兴趣区域提取出来，但是，实际情况并不是自己所期望的那样，总会出现一些其他的噪声，如下图所示：

　　图中，一个向右倾的男人是我们感兴趣的区域，通过阈值操作后，被突出显示，然而，图片中除了男人，还有其他散布在图片中白噪声。可能原因如下：
　　1. 阈值选择不合适。
　　2. 原始输入图像本身存在噪声或其他形式的像差。
　　我们如何消除二值化图像的这些白点？为什么要用形态学操作？我们先来看一个直观的效果，下图是上面二值化图片经过形态学处理过的效果图：
　　

　　从上图可以看出，大部分不希望的白色像素块消失了。与阈值操作相似，形态学操作是指一系列技术，也就是整个图像处理操作中的一个部分。看完这个简单的实验，我相信大家对形态学操作有了直观的感受，下面就开始具体介绍形态学操作。

二、形态学基本操作

膨胀与腐蚀（Erosion and dilation）

　　基本的形态学操作是膨胀与腐蚀，它们能实现多种多样功能，如下：
　　- 图像预处理（消除噪声、形状简化）
　　- 图像增强（骨架提取、细化、凸包及物体标记）
　　- 物体背景分割及物体形态量化

　　我们可能都熟悉图像滤波操作：源图像与核进行卷积；相似地是，膨胀和腐蚀操作也是将源图像（记为A）与核（记为B）进行卷积，只是核定义的功能不一样。在这里，核可以是任何形状和大小，并且可以自己定义核的参考点，也就是锚点(anchorpoint).

　　1.对于膨胀，在OpenCV中，是求局部极大值。即核B与图像A卷积：计算核B覆盖区域像素点的最大值，并将这个最大值赋給核的参考点（锚点）。这样会使图像中高亮区域逐渐扩大，有种膨胀的效果如下图所示（A为高亮区域，B为核，五角星为核B的参考点）：

　　膨胀中核的参考点灰度值计算公式：

　　在OpenCV中，直接调用dilate()函数，如下所示：

void cv::dilate(
cv::InputArray src,                     // 输入图像
cv::OutputArray dst,                    // 输出图像
cv::InputArray element,                 // 结构元素(即核),默认为参考点位于中心3*3的核
cv::Point anchor = cv::Point(-1,-1),    // 锚点的位置，默认是结构元素中心
int iterations = 1,                     // 迭代的次数
int borderType = cv::BORDER_CONSTANT    // Border extrapolation
const cv::Scalar& borderValue = cv::morphologyDefaultBorderValue()
);

　　2.对于腐蚀，在OpenCV中，是求局部最小值。即核B与图像A卷积：计算核B覆盖区域像素点的最小值，并将这个最小值赋給核的参考点（锚点）。这样会使图像中高亮区域逐渐缩小，有种腐蚀的效果，如下图所示（A为高亮区域，B为核，五角星为核B的参考点）：

　　腐蚀中核的参考点灰度值计算公式：

　　在OpenCV中，直接调用erode()函数，如下所示：

void cv::erode(
cv::InputArray src,                     // 输入图像
cv::OutputArray dst,                    // 输出图像
cv::InputArray element,                 // 结构元素(即核),默认为参考点位于中心3*3的核
cv::Point anchor = cv::Point(-1,-1),    // 锚点的位置，默认是结构元素中心
int iterations = 1,                     // 迭代的次数
int borderType = cv::BORDER_CONSTANT    // Border extrapolation
const cv::Scalar& borderValue = cv::morphologyDefaultBorderValue()
);

　　以上就是对形态学操作中膨胀与腐蚀的介绍，其中对于结构元素(即核)可以自己定义形状、大小及参考点的位置，在Opencv中一般使用getStructuringElement()来自定义结构元素：

cv::Mat cv::getStructuringElement(
int shape,                          // Element shape, e.g., cv::MORPH_RECT
cv::Size ksize,                     // Size of structuring element (odd num!)
cv::Point anchor = cv::Point(-1,-1) // Location of anchor point
);

　　其中，结构元素的shape有：cv::MORPH_RECT、cv::MORPH_ELLIPSE 、cv::MORPH_CROSS；对于不同的形状，锚点的位置默认在中心，注意：十字形的element唯一依赖于锚点的位置，而对于其他形状，锚点只是影响了形态学运算结果的偏移。

三、形态学高级操作

开运算（OPEN）、闭运算（close）、形态学梯度（Morphological Gradient）、顶帽（TopHat）、黑帽（Black）

　　本质：对膨胀、腐蚀操作的组合处理过程。

1、 开运算
　　这是一个先腐蚀后膨胀的过程；该操作常用于去除图像中的噪声及平滑目标边界。其数学表达式如下：

open（src） = dilate（erode(src)）
　　OpenCV中提供了morphologyEX函数用于形态学开闭运算操作，其函数如下：

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(e.g. cv::MOP_OPEN、cv::MOP_CLOSE...)
cv::InputArray element,     // 结构元素(即核),默认为参考点位于中心3*3的核
cv::Point anchor = cv::Point(-1,-1), // 锚点的位置，默认是结构元素中心
int iterations = 1,         // 迭代的次数
int borderType = cv::BORDER_DEFAULT // Border extrapolation
const cv::Scalar& borderValue = cv::morphologyDefaultBorderValue()
);

　　　其中，对于操作类型，有如下几种：

开运算处理(左边原图，右边效果图)
2、 闭运算
　　这是一个先膨胀后腐蚀的过程；该操作能够排除小型黑洞（黑色区域），消除低于领近点的孤立点，达到去燥的作用，可以平滑物体轮廓，弥合较窄的间断核细长的沟壑，消除小孔洞，填补轮廓线中的断裂。其数学表达式如下：
close（src） = erode（dilate(src)）
　　在OpenCV中只需将morphologyEX函数中的操作类型改为cv::MOP_CLOSE。

闭运算处理(左边原图，右边效果图)

3、 形态学梯度
　　这是一个将膨胀图与腐蚀图相减的过程，突出高亮部分的边界。其数学表达式如下：

gradient（src）= dilate（src） – erode（src）
　　在OpenCV中只需将morphologyEX函数中的操作类型改为cv::MOP_GRADIENT。

形态学梯度处理(左边原图，右边效果图)

4、顶帽
　　这是一个将原图像与开运算效果图相减的过程，具有高通滤波器的部分特性，可实现在图像中检测出周围背景亮结构或周边背景暗结构，常用于检测图像中的峰结构。其数学表达式为：

TopHat（src）= src – open（src）
　　在OpenCV中只需将morphologyEX函数中的操作类型改为cv::MOP_TOPHAT。

顶帽处理(左边原图，右边效果图)

5、黑帽
　　这是一个将闭运算效果图与原图像相减的过程，突出了比原图轮廓周围更暗的区域。其数学表达式为：

BlackHat（src）= close（src）- src
　　在OpenCV中只需将morphologyEX函数中的操作类型改为MOP_BLACKHAT。

黑帽处理(左边原图，右边效果图)

四、实战演练

1.膨胀腐蚀操作

// 功能：代码 6-1 腐蚀膨胀操作
// 作者：朱伟 zhu1988wei@163.com
// 来源：《OpenCV图像处理编程实例》
// 博客：http://blog.csdn.net/zhuwei1988
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
int main()
{
    cv::Mat srcImage = cv::imread("./images/test.jpg");
    if (!srcImage.data)
        return 1;
    cv::Mat srcGray;
    cvtColor(srcImage, srcGray, CV_RGB2GRAY);
    cv::Mat segDst, dilDst, eroDst;
    // 分通道二值化
    cv::inRange(srcGray, cv::Scalar(0, 0, 100),
        cv::Scalar(40, 30, 255), segDst);
    // 定义结构元素
    cv::Mat element = cv::getStructuringElement(
        cv::MORPH_ELLIPSE, cv::Size(5, 5));
    // 腐蚀膨胀操作
    cv::dilate(segDst, dilDst, element);
    cv::erode(segDst, eroDst, element);
    cv::imshow(" srcGray ", srcGray);
    cv::imshow(" segDst ", segDst);
    cv::imshow(" dilDst ", dilDst);
    cv::imshow(" eroDst ", eroDst);
    cv::waitKey();
    return 0;
}

腐蚀膨胀效果展示

2.开闭运算操作

// 功能：代码 6-2 形态学开闭操作
// 作者：朱伟 zhu1988wei@163.com
// 来源：《OpenCV图像处理编程实例》
// 博客：http://blog.csdn.net/zhuwei1988
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
int main()
{
    cv::Mat srcImage = cv::imread("..\\images\\test.jpg");
    if (!srcImage.data)
        return 1;
    cv::Mat srcGray, segImage;
    cv::cvtColor(srcImage, srcGray, CV_RGB2GRAY);
    // 阈值化
    cv::threshold(srcGray, segImage,
        255 * (0.5), 255, cv::THRESH_BINARY);
    // 定义结构元素
    cv::Mat element = cv::getStructuringElement(
        cv::MORPH_ELLIPSE, cv::Size(20, 20));
    // 形态学闭操作
    cv::Mat closedMat;
    cv::morphologyEx(segImage, closedMat, 
        cv::MORPH_CLOSE, element);
    // 形态学开操作 
    cv::Mat openedMat;
    cv::morphologyEx(segImage, openedMat,
     cv::MORPH_OPEN, element);
    cv::imshow(" srcGray ", srcGray);
    cv::imshow(" segImage ", segImage);
    cv::imshow(" closedMat ", closedMat);
    cv::imshow(" openedMat ", openedMat);
    cv::waitKey();
    return 0;
}