opencv 字符图象 开运算 闭运算_【图像处理】OpenCV系列九 --- 形态学处理

上一节我们学习了形态学的基本操作，即图像的腐蚀与膨胀，那么，本节我们一起来学习更高级的形态学操作。

一、形态学操作 --- 开运算

开运算(Opening Operation)，其实就是先腐蚀后膨胀的过程。

其数学表达式如下：

开运算表达式

实例：

实验结果：

开操作原图(左)与效果图(右)

2 、形态学操作 --- 闭运算

先膨胀后腐蚀的过程称为闭运算(Closing Operation)。

其数学表达式如下：

闭运算表达式

实例：

实验结果：

闭运算原图(左)与效果图(右)

三、形态学梯度

形态学梯度(Morphological Gradient)为膨胀图与腐蚀图之差。

数学表达式如下：

形态学梯度

对二值图像进行这一操作可以将团块(blob)的边缘突出出来，我们可以用形态学梯度来保留物体的边缘轮廓。

函数原型：

函数功能：

morphologyEx函数利用基本的膨胀和腐蚀技术，来执行更加高级形态学变换，如开闭运算，形态学梯度，“顶帽”、“黑帽”等等。

参数详解：

• 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可，图像位深应该为以下五种之一：CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F；

• 第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型；

• 第三个参数，int类型的op，表示形态学运算的类型，可以是如下之一的标识符：

• MORPH_OPEN – 开运算(Opening operation)
• MORPH_CLOSE – 闭运算(Closing operation)
• MORPH_GRADIENT -形态学梯度(Morphological gradient)
• MORPH_TOPHAT - “顶帽”(“Top hat”)
• MORPH_BLACKHAT - “黑帽”(“Black hat“)

• 第四个参数，InputArray类型的kernel，形态学运算的内核。若为NULL时，表示的是使用参考点位于中心3x3的核。我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素(内核矩阵)；

• 第五个参数，Point类型的anchor，锚的位置，其有默认值(-1，-1)，表示锚位于中心；

• 第六个参数，int类型的iterations，迭代使用函数的次数，默认值为1；

• 第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_ CONSTANT；

• 第八个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。

实例：

实验结果：

形态学梯度原图(左)与效果图(右)

四、形态学操作 --- 顶帽

顶帽运算(Top Hat)又常常被译为”礼帽“运算。为原图像与上文刚刚介绍的“开运算“的结果图之差，数学表达式如下：

顶帽

因为开运算带来的结果是放大了裂缝或者局部低亮度的区域，因此，从原图中减去开运算后的图，得到的效果图突出了比原图轮廓周围的区域更明亮的区域，且这一操作和选择的核的大小相关。

顶帽运算往往用来分离比邻近点亮一些的斑块。当一幅图像具有大幅的背景的时候，而微小物品比较有规律的情况下，可以使用顶帽运算进行背景提取。

实例--核心代码：

实验结果：

顶帽原图(左)与效果图(右)

五、形态学操作 --- 黑帽

黑帽(Black Hat)运算为”闭运算“的结果图与原图像之差。数学表达式为：

黑帽

黑帽运算后的效果图突出了比原图轮廓周围的区域更暗的区域，且这一操作和选择的核的大小相关。

所以，黑帽运算用来分离比邻近点暗一些的斑块。

实例 - 核心代码：

实验结果：

黑帽原图(左)与效果图(右)

六、综合实例

实验结果：

综合实例

好了，今天OpenCV形态学学习到这里就结束了，喜欢的朋友可以给我点个赞！！！