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...

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：

四、API介绍

(1)cv2.threshold()二值化

参数1：src：表示的是图片源

参数2：thresh：表示的是阈值(起始值)

参数3：maxval：表示的是最大值

参数4：type：表示的是这里划分的时候使用的是什么类型的算法，常用值为0(cv2.THRESH_BINARY)

(2)Cv2.GetStructuringElement(): 获取结构元素

参数1：MorphShapes shape 结果元素的形状，枚举类型

参数2：Size ksize 结构元素的大小

参数3：Point anchor 结构元素的锚点(中心点)

(3)Cv2.Dilate(): 膨胀，通过使用特定的结构元素来扩展图像。

参数1：参数1：InputArray src 源图像

参数2：OutputArray dst 输出图像

参数3：InputArray element 结构元素,一定要是奇数

参数4：Point? anchor = null 锚点位置，默认是null

参数5：int iterations = 1 应用膨胀的次数。[默认情况下这是1]

参数6：borderType = BorderTypes.Constant 图像边缘处理方法。[默认情况下这是BorderType.Constant]

参数7：Scalar? borderValue = null 在边界为常数的情况下的边界值。默认值具有特殊意义。[默认情况下这是cvcp . morphologydefaultbordervalue ()]

(4)Cv2.Erode(): 腐蚀，通过使用特定的结构元素来侵蚀图像。

参数1：InputArray src 源图像

参数2：OutputArray dst 输出图像

参数3：InputArray element 结构元素 ，一定要是奇数

参数4：Point? anchor = null 锚点位置，默认是null

参数5：int iterations = 1 应用侵蚀的次数。[默认情况下这是1]

参数6：borderType = BorderTypes.Constant 图像边缘处理方法。[默认情况下这是BorderType.Constant]

参数7：Scalar? borderValue = null 在边界为常数的情况下的边界值。默认值具有特殊意义。[默认情况下这是cvcp . morphologydefaultbordervalue ()]

五、如需要完整代码可先关注并留言，然后私信我发送“形态学”即可自动回复。