上一篇图像滤波,这篇讲解形态学
形态学,即数学形态学,时图像处理过程中非常重要的一个研究方向,形态学主要从图像内提取其分量信息,该分量信息通常对于表达和描绘图像的形状具有重要的意义,通常时图像理解时所使用的最为本质的形状特征,这部分主要包含:腐蚀、膨胀、开运算、闭运算、Morphological Grandient(形态学梯度)、顶帽、黑帽等操作
1、
腐蚀
腐蚀能够将图像的边界点消除,使图像沿着边界向内收缩,也可以将小于指定结构体元素的部分去掉
原图
目标图像
void erode( InputArray src, OutputArray dst, InputArray kernel,
Point anchor = Point(-1,-1), int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar& borderValue = morphologyDefaultBorderValue() );
src:需要进行腐蚀的原始图像,图像的深度必须是CV_8U,CV_16U,CV_16S,CV_32F,CV_64F其中的一种
dst:被腐蚀后所输出的目标图像
kernel:腐蚀操作时所采用的结构类型
anchor:element结构中锚点的位置,该值默认为(-1,-1),在核的中心位置
iterations:腐蚀操作迭代的次数
borderType:图像边界处理的方法
borderType值如下
类型
|
说明
|
BORDER_CONSTANT
|
iiiiii|abcdefgh|iiiiii,特定值i
|
BORDER_REPLICATE
|
aaaaaa|abcdefgh|hhhhhh
|
BORDER_REFLECT
|
fedcba|abcdefgh|hgfedcb
|
BORDER_WRAP
|
cdefgh|abcdefgh|abcdefg
|
BORDER_REFLECT_101
|
gfedcb|abcdefgh|gfedcba
|
BORDER_TRANSPARENT
|
uvwxyz|abcdefgh|ijklmno
|
BORDER_REFLECT101
|
与BORDER_REFLECT_101相同
|
BORDER_DEFAULT
|
与BORDER_REFLECT_101相同
|
BORDER_ISOLATED
|
不考虑ROI(Region of interest,感兴趣区域)外区域
|
borderValue:边界值,一般采用其默认值
其中morphologyDefaultBorderValue()用来返回腐蚀和膨胀的“魔力(magic)”边界值。它通常自动转换为Scalar::all(-DBL_MAX)进行膨胀
其参数中的kernel可以通过getStructuringElement得到
Mat getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1));
该函数用来返回一个用于形态学操作的指定大小和形状的结构元素
shape:cv::MorphShapes中的任意一个元素形状 有MORPH_RECT,MORPH_CROSS,MORPH_ELLIPSE三种
ksize:结构元素的大小
anchor:结构元素中的锚点位置。该值默认为(-1,-1),是形状的中,仅十字星型的形状与锚点位置紧密相关。在其他情况下,锚点仅用于形态学运算结果的调整
//调用getStructuringElement函数
Mat element = getStructuringElement(MORPH_CROSS,Size(2 * 3+ 1, 2 * 3+ 1),Point(3, 3));
//调用腐蚀函数erode
erode(m_srcImage, m_dstImage, element);
2、膨胀
膨胀对图像的边界进行扩张,将与当前对象接触到的背景点合并到图像内,让边界点向外部进行扩张。
如果图像内两个对象的距离较近,在膨胀的过程中,两个对象可能会连通到一起。
膨胀操作对填补图像分割后图像内所存在的空白相当有帮助
原图
目标图像
void dilate( InputArray src, OutputArray dst, InputArray kernel,
Point anchor = Point(-1,-1), int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar& borderValue = morphologyDefaultBorderValue() );
src:需要进行膨胀的原始图像,图像的深度必须是CV_8U,CV_16U,CV_16S,CV_32F,CV_64F其中的一种
dst:被膨胀后所输出的目标图像
kernel:腐蚀操作时所采用的结构类型
anchor:element结构中锚点的位置,该值默认为(-1,-1),在核的中心位置
iterations:膨胀操作迭代的次数
borderType:图像边界处理的方法
3、其他
包含开运算、闭运算、形态学梯度、顶帽、黑帽、击中不击中
//调用getStructuringElement函数
Mat element = getStructuringElement(MORPH_CROSS,Size(2 * 3+ 1, 2 * 3 + 1),Point(3, 3));
//调用膨胀函数dilate
dilate(m_srcImage, m_dstImage, element);
//开运算 MORPH_RECT MORPH_CROSS MORPH_ELLIPSE getStructuringElement morphologyEx MORPH_OPEN
//闭运算 MORPH_RECT MORPH_CROSS MORPH_ELLIPSE getStructuringElement morphologyEx MORPH_CLOSE
//Morphological Grandient MORPH_RECT MORPH_CROSS MORPH_ELLIPSE getStructuringElement morphologyEx MORPH_GRADIENT
//顶帽 MORPH_RECT MORPH_CROSS MORPH_ELLIPSE getStructuringElement morphologyEx MORPH_TOPHAT
//黑帽 MORPH_RECT MORPH_CROSS MORPH_ELLIPSE getStructuringElement morphologyEx MORPH_BLACKHAT
//void 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:需要进行形态学的原始图像,图像的深度必须是CV_8U,CV_16U,CV_16S,CV_32F,CV_64F其中的一种
dst:经过形态学处理后所输出的目标图像
op:操作类型,各种形态学运算的操作规则均是将腐蚀和膨胀进行组合而得到的
op类型
类型
|
说明
|
含义
|
操作
|
MORPH_ERODE | 腐蚀 |
腐蚀
|
erode(src)
|
MORPH_DILATE
|
膨胀
|
膨胀
|
dilate(src)
|
MORPH_OPEN
|
开运算
|
先腐蚀后膨胀
|
dilate(erode(src))
|
MORPH_CLOSE
|
闭运算
|
先膨胀后腐蚀
|
erode(dilate(src))
|
MORPH_GRADIENT
|
形态学梯度
|
膨胀图像减去腐蚀图像
|
dilate(src)-erode(src)
|
MORPH_TOPHAT
|
顶帽
|
原图减去开运算
|
src-open(src)
|
MORPH_BLACKHAT
|
黑帽
|
闭运算减去原图
|
close(src)-src
|
MORPH_HITMISS
|
击中击不中
|
前景背景腐蚀运算的交集,仅支持CV_8UC1二进制图
|
Intersection(erode(src),erode(src1))
|
参数kernel、anchor、borderType、borderValue与erode函数的意义一致
//调用getStructuringElement函数
Mat element = getStructuringElement(MORPH_CROSS,Size(2 * 3+ 1, 2 * 3+ 1),Point(3, 3));
//调用morphologyEx函数-MORPH_OPEN->开运算
morphologyEx(m_srcImage, m_dstImage, MORPH_OPEN, element);
/*******形态学**********/
//形态学
void DlgImageProcessing::on_comboBoxMorphology_currentIndexChanged(int value)
{
if (m_srcImage.data)
{
QString qsType = ui.comboBoxMorphType->currentText();
//定义类型
int MorphologyType = -1;
if (qsType == "MORPH_RECT")
{
MorphologyType = MORPH_RECT;
}
else if (qsType == "MORPH_CROSS")
{
MorphologyType = MORPH_CROSS;
}
else if (qsType == "MORPH_ELLIPSE")
{
MorphologyType = MORPH_ELLIPSE;
}
else
{
MorphologyType = MORPH_RECT;
}
//定义大小
int MorphlogySize = ui.comboBoxMorphSize->currentText().toInt();
//调用getStructuringElement函数
Mat element = getStructuringElement(MorphologyType, Size(2 * MorphlogySize + 1, 2 * MorphlogySize + 1), Point(MorphlogySize, MorphlogySize));
Mat dstImage;
if (0 == value)
{
//调用腐蚀函数erode
//erode(m_srcImage, dstImage, element);
//也可以调用morphologyEx函数-MORPH_ERODE->腐蚀
morphologyEx(m_srcImage, dstImage, MORPH_ERODE, element);
}
else if (1 == value)
{
//调用膨胀函数dilate
//dilate(m_srcImage, dstImage, element);
//也可以调用morphologyEx函数-MORPH_DILATE->膨胀
morphologyEx(m_srcImage, dstImage, MORPH_DILATE, element);
}
else if (2 == value)
{
//调用morphologyEx函数-MORPH_OPEN->开运算
morphologyEx(m_srcImage, dstImage, MORPH_OPEN, element);
}
else if (3 == value)
{
//调用morphologyEx函数-MORPH_CLOSE->闭运算
morphologyEx(m_srcImage, dstImage, MORPH_CLOSE, element);
}
else if (4 == value)
{
//调用morphologyEx函数-MORPH_GRADIENT->Grandient运算
morphologyEx(m_srcImage, dstImage, MORPH_GRADIENT, element);
}
else if (5 == value)
{
//调用morphologyEx函数-MORPH_TOPHAT->顶帽变换
morphologyEx(m_srcImage, dstImage, MORPH_TOPHAT, element);
}
else if (6 == value)
{
//调用morphologyEx函数-MORPH_BLACKHAT->黑帽变换
morphologyEx(m_srcImage, dstImage, MORPH_BLACKHAT, element);
}
cv::imshow("this result", dstImage);
emit ShowImage(dstImage);
}
else
{
QMessageBox::warning(this, "提示", "没图片");
}
}
原图
腐蚀
膨胀
开运算
闭运算
morphology
顶帽
黑帽
个人站点
1、CSDN地址:
2、知乎
欢迎关注我的知乎专题Qt学视觉 - 知乎使用qt所写的视觉软件https://www.zhihu.com/column/c_1237691650757353472
3、微信公众号《Qt学视觉》
欢迎关注