形态学边界检测 java_【CV系列】基于形态学梯度的边缘检测

Date: 2019-3-10

前言

形态学边缘检测算子是一种非线性差分算子,在以上定义的梯度算子中，腐蚀运算可以滤去图像中比结构元素小的亮细节；膨胀运算可以去掉比结构元素小的亮细节，而保持图像整体灰度和大的亮区域基本不受影响。

1、参考

2、形态学梯度

定义：膨胀后的图像与腐蚀后的图像的差值。

效果：突出图像中灰度尖锐过渡的区域，当使用对称结构元素时，该算法对边缘方向性的依赖比空间增强技术中的梯度算子更小。

3、算法实现

3.1、Matlab实现(部分)

lowpass = imclose(coeffs_int{1}, B_0);%先进行闭运算

grad1 = imopen(lowpass, B_0);%再进行开运算

grad2 = imerode(lowpass, B_0);%先闭运算再腐蚀操作

y1 = grad1 - grad2;

%figure,imshow(y1, [ ]),title('Lowpass_edge of y1');

lowpass2 = imopen(coeffs_int{1}, B_0);%先进行开运算

grad3 = imdilate(lowpass2, B_0); %再进行膨胀运算

grad4 = imclose(lowpass2,B_0);%先开再进行闭运算

y2 = grad3 - grad4;

%figure,imshow(y2, [ ]),titlte('Lowpass_edge of y2');

Emax = max(y1, y2);

Emin = min(y1, y2);

coeffs_rec{1} = alpha * Emax + beta * Emin;

figure,imshow(coeffs_rec{1}, [ ]), title('LowPass Edge Image');

3.2、OpenCV实现

//包含头文件

#include

//命名空间

using namespace cv;

using namespace std;

//全局函数声明部分

//主函数

int main()

{

//【1】载入图像,灰度化

Mat image = imread("beauty.png", 0);//灰度原图

//【2】检查是否载入成功

if (image.empty())

{

printf("读取图片错误，请确认目录下是否有imread函数指定图片存在！ \n ");

return 0;

}

//【3】获取结构元素

Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));

//【4】形态学梯度

Mat gradientImage;//梯度图

morphologyEx(image, gradientImage, MORPH_GRADIENT, element);

//【5】阈值化处理，增强可视化效果

Mat result;

threshold(gradientImage, result, 30, 255, THRESH_BINARY_INV);

//【6】显示图像

imshow("15-灰度图像", image);

imshow("15-形态学梯度", gradientImage);

imshow("15-边缘检测图", result);

//【7】保持窗口显示

waitKey(0);

return 0;

}