2.2 获取图像感兴趣区域_超火的机器视觉OpenCVSharp学习笔记3——图像形态学处理...

最新推荐文章于 2024-06-05 14:40:18 发布

weixin_39782782

最新推荐文章于 2024-06-05 14:40:18 发布

阅读量534

点赞数

文章标签： 2.2 获取图像感兴趣区域

一、图像形态学处理的概念

在机器视觉中，我们获得一张图片首先要进行预处理，去掉噪声等杂乱的地方，突出我们感兴趣的区域，数字图像处理中的形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量，比如边界、骨架以及凸壳，还包括用于预处理或后处理的形态学过滤、细化和修剪等。图像形态学处理中我们感兴趣的主要是二值图像，今天我们用OpenCVSharp进行图像的预处理，二值化、腐蚀和膨胀的操作，将下面图片感兴趣区域“工控上位机”给提取出来。

二、二值化、腐蚀和膨胀简介

二值化：

图像二值化( Image Binarization)就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。

膨胀和腐蚀：

膨胀和腐蚀这两种操作是形态学处理的基础，许多形态学算法都是以这两种运算为基础的。

① 膨胀

是以得到B的相对与它自身原点的映像并且由z对映像进行移位为基础的。A被B膨胀是所有位移z的集合，这样，和A至少有一个元素是重叠的。我们可以把上式改写为：

结构元素B可以看作一个卷积模板，区别在于膨胀是以集合运算为基础的，卷积是以算术运算为基础的，但两者的处理过程是相似的。

⑴ 用结构元素B，扫描图像A的每一个像素

⑵ 用结构元素与其覆盖的二值图像做“与”操作

⑶ 如果都为0，结果图像的该像素为0。否则为1

② 腐蚀

对Z中的集合A和B，B对A进行腐蚀的整个过程如下：

⑴ 用结构元素B，扫描图像A的每一个像素

⑵ 用结构元素与其覆盖的二值图像做“与”操作

⑶ 如果都为1，结果图像的该像素为1。否则为0

腐蚀处理的结果是使原来的二值图像减小一圈。

三、实现代码：

1、读取获得灰度图片：

src_Gray = new Mat("工控上位机.png", ImreadModes.Grayscale);

bitmap_Gray = BitmapConverter.ToBitmap(src_Gray);

pictureBox1.Image = bitmap_Gray;

2、二值化灰度图片：

Cv2.Threshold(src_Gray, src_Threshold, 50, 255, ThresholdTypes.Binary);

bitmap_Threshold = BitmapConverter.ToBitmap(src_Threshold);

pictureBox2.Image = bitmap_Threshold;

3、膨胀得到的二值化图片

if(bitmap_Gray!=null)

{

InputArray kernel = Cv2.GetStructuringElement(MorphShapes.Rect, new OpenCvSharp.Size(trackBar1.Value*2+1, trackBar1.Value * 2 + 1), new OpenCvSharp.Point(-1, -1));

Cv2.Dilate(src_Threshold, src_Dilate, kernel);

bitmap_Dilate = BitmapConverter.ToBitmap(src_Dilate);

pictureBox3.Image = bitmap_Dilate;

textBox1.Text = trackBar1.Value.ToString();

}

4、对膨胀过的图像进行腐蚀处理：

if (bitmap_Dilate != null)

{

InputArray kernel = Cv2.GetStructuringElement(MorphShapes.Rect, new OpenCvSharp.Size(trackBar2.Value * 2 + 1, trackBar2.Value * 2 + 1), new OpenCvSharp.Point(-1, -1));

Cv2.Erode(src_Dilate, src_Erode, kernel);

bitmap_Erode = BitmapConverter.ToBitmap(src_Erode);

pictureBox4.Image = bitmap_Erode;

textBox2.Text = trackBar2.Value.ToString();

}

效果预览：