形态学操作

形态学操作  主要针对 二值图像 进行处理

图像形态学操作是  基于形状的一系列图像处理操作的合集，主要是基于集合论基础上的形态学数学。

形态学有四个基本操作：膨胀、腐蚀、开、闭。

膨胀与 腐蚀是图像处理中最常用的形态学操作手段,常常被组合起来一起使用实现一些复杂的图像形态学操作。

膨胀与腐蚀能实现各种各样的功能，主要如下：

1、消除噪声。

2、分割出独立的图像元素，在图像中连接相邻的元素。

3、寻找图像中的明显的极大值区域或极小值区域。

求出图像的梯度。

膨胀与腐蚀都是对于白色部分即高亮部分（不是黑色部分）进行操作。膨胀是图像中的高亮部分进行膨胀，类似于“领域扩大”，而腐蚀是原图像中的高亮部分被腐蚀，类似于“领域被吞噬”。

膨胀（dilation）

跟卷积操作类似，假设有图像A和结构元素B，结构元素B在A上面移动，其中B定义其中心为锚点，计算B覆盖下A的最大像素值来替换锚点的像素，其中B作为结构体可以是任意形状。

OpenCV提供的API：

void dilate(InputArray src,

 OutputArray dst,     

InputArray kernel,//第三个参数表示膨胀操作的核，当为NULL时，表示使用参考点位于中心3*3的核。

 Point anchor=Point(- 1 ,- 1 ), 

int iterations= 1 ,

int borderType=BORDER_CONSTANT,

const Scalar& borderValue=morphologyDefaultBorderValue())

一般在调用erode以及dilate函数之前，先定义一个Mat类型的变量来获得函数getStructuringElemen返回的指定形状和尺寸的结构元素（内核矩阵）。

Mat getStructuringElement(int shape, 

Size ksize, //内核的尺寸

Point anchor=Point(-1,-1))//锚点的位置

第一个参数表示内核的形状，有如下三种形状可以选择.

• 矩形：MORPH_RECT;
• 交叉形：MORPH_CROSS;
• 椭圆形：MORPH_ELLIPSE;

处理结果：

腐蚀 （erode）

腐蚀操作和膨胀操作的过程类似，唯一不同的是一最小值替换锚点重叠下图像的像素值。

OpenCV提供的API：

void erode(InputArray src,

OutputArray dst,

InputArray kernel, 

Point anchor=Point(-1,-1), 

int iterations=1,

int borderType=BORDER_CONSTANT, 

const Scalar& borderValue=morphologyDefaultBorderValue())  

处理结果：

很好的消除了小白点的干扰，但是主体还是有损失。

创建滑动条：

滑动条 依附于窗口（window） 而存在。

它往往会和一个 回调函数配合 起来用。

函数原型：

int createTrackbar(

conststring& trackbarname,//轨迹条的名字

conststring& winname,//依附在哪一个窗口

int* value,//表示滑块的初始位置，当操作滑动条的时候，值小于初始值的话，程序中断。

int count,//表示滑块可以达到的最大值

TrackbarCallback onChange=0,//指定回调函数，在轨迹改变的时候会自动调用这个回调函数

void* userdata=0);

步骤：

1、声明相关变量。（这里我定义的是全局变量）

int dilateval = 1;

int dilatecst = 20;

2、定义一个回调函数，这个回调函数 在轨迹改变的时候会自动调用  。

void CallBack_Demo_Dilate(int, void*)  //回调函数的格式

{

       //获取自定义核

       Size ksize(dilateval, dilateval);

       Mat element = getStructuringElement(MORPH_RECT, ksize);//获取内核的形状

       //膨胀  

       dilate(src, DilatePic, element);

       imshow("膨胀后", DilatePic);

}

3、创建滚动条，并依附于相应窗口，代码写在一起好看一点。

namedWindow( "膨胀后",WINDOW_AUTOSIZE);

createTrackbar("dilate-size:", "膨胀后",&dilateval, dilatecst,CallBack_Demo_Dilate);

CallBack_Demo_Dilate(0, 0); //先执行一次代码让图像在程序Run时就显示。

开操作  先腐蚀后膨胀

      在上面的腐蚀操作中，使用腐蚀虽然使白（亮）点消失，但是也使主体损失，这时我们可以再使用膨胀进行弥补。这一过程就是开操作。开操作是一般使对象的轮廓变得光滑，断开狭窄的间断和消除细的突出物。

OpenCV提供的API:

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())

/*

部分参数介绍：

op：选择使用什么形态学操作

MORPH_OPEN - 开操作

MORPH_CLOSE - 闭操作

MORPH_GRADIENT - 形态学梯度

MORPH_TOPHAT - 顶帽

MORPH_BLACKHAT - 黑帽

MORPH_HITMISS - 击中与击不中

*/

处理结果：

很好的消除了噪点，也使主体损失减小。

闭操作  先膨胀后腐蚀

闭操作可使轮廓线更光滑，但与开操作相反的是，闭操作通常消弥狭窄的间断和长细的鸿沟，消除小的空洞，并填补轮廓线中的断裂。

代码几乎相同，只是改动一个参数（op）罢了。

处理结果：

形态学梯度 

1、基本梯度

基本梯度是用膨胀后的图像减去腐蚀后的图像得到差值图像，称为梯度图像也是OpenCV中支持的计算形态学梯度的方法，而此方法得到梯度有被称为基本梯度。

2、内部梯度

是用原图像减去腐蚀之后的图像得到差值图像，称为图像的内部梯度

3、外部梯度

图像膨胀之后再减去原来的图像得到的差值图像，称为图像的外部梯度。

4、方向梯度

方向梯度是使用X方向与Y方向的直线作为结构元素之后得到图像梯度，X的结构元素分布膨胀与腐蚀得到图像之后求差值得到称为X方向梯度，用Y方向直线做结构分别膨胀与腐蚀之后得到图像求差值之后称为Y方向梯度。

顶帽   顶帽是原图像与开操作之间的差值图像。

处理结果：

黑帽   黑帽是闭操作减去原图像

处理结果：

提取水平与垂直线（形态学操作应用）

图像形态学操作的时候，可以通过自定义的结构元素实现结构元素对输入图像一些对象敏感，另外一些对象不敏感，这样就会让敏感的对象改变而不敏感的对象保留输出。通过使用两个最基本的形态学操作–膨胀与腐蚀，使用不同的结构元素实现对输入图像的操作，得到想要的结果。

操作过程：

•       1、读取原图；
•       2、转为灰度图像；
•       3、转为二值图像；（像逻辑电路一样，要么0要么1的图像）
• 
  
• 采用自适应二值化adaptiveThreshold（属于阈值操作部分）

      _src  　　　　要二值化的灰度图

　　_dst  　　　　二值化后的图

　　maxValue　　二值化后要设置的那个值

　　method　　　块计算的方法（ADAPTIVE_THRESH_MEAN_C 平均值，ADAPTIVE_THRESH_GAUSSIAN_C 高斯分布加权和）

　　type　　　　  二值化类型（CV_THRESH_BINARY 大于为最大值，CV_THRESH_BINARY_INV 小于为最大值）

　　blockSize　　块大小（奇数，大于1）

　　delta 　　　　差值（负值也可以）

• 
  
•       4、定义结构元素；
•       5、开操作。

实例代码：

void GetLine(){

    Mat src,grayImg,binImg,dest;

    //①、读取图片

    src = imread( "line.png" );

    if ( ! src .data ){

        cout << "图片打开失败!" << endl;

        return ;

    }

    namedWindow( "原图像" ,CV_WINDOW_AUTOSIZE);

    imshow( "原图像" ,src);

    //②、转为灰度图

    cvtColor(src,grayImg,CV_RGB2GRAY);

    namedWindow( "灰度图" ,CV_WINDOW_AUTOSIZE);

    imshow( "灰度图" ,grayImg);

    //③、转为二值图像

    adaptiveThreshold(~grayImg,binImg, 255 ,ADAPTIVE_THRESH_MEAN_C,THRESH_BINARY , 15 , - 2 );

    namedWindow( "二值图像" ,CV_WINDOW_AUTOSIZE);

    imshow( "二值图像" ,binImg);

    //④、定义结构元素

    Mat kernel = getStructuringElement(MORPH_RECT,Size( 1 , 20 ));

     //⑤、开操作

    morphologyEx(binImg,dest,MORPH_OPEN,kernel);

    namedWindow( "最终结果" ,CV_WINDOW_AUTOSIZE);

    imshow( "最终结果" ,~dest);//图像的取反操作

    cvWaitKey();

}

提取结果：

去除横线，提取字母：

实例代码：

void GetChar(){

    Mat src,grayImg,binImg,dest;

    //①、读取图片

    src = imread( "char.png" );

    if ( ! src .data ){

        cout << "图片打开失败!" << endl;

        return ;

    }

    namedWindow( "原图像" ,CV_WINDOW_AUTOSIZE);

    imshow( "原图像" ,src);

    //②、转为灰度图

    cvtColor(src,grayImg,CV_RGB2GRAY);

    namedWindow( "灰度图" ,CV_WINDOW_AUTOSIZE);

    imshow( "灰度图" ,grayImg);

    //③、转为二值图像

    /*

    void adaptiveThreshold(InputArray src, OutputArray dst, double maxValue, int adaptiveMethod, int thresholdType, int blockSize, double C)

    */

    adaptiveThreshold(~grayImg,binImg, 255 ,ADAPTIVE_THRESH_MEAN_C,THRESH_BINARY , 15 , - 2 );

    namedWindow( "二值图像" ,CV_WINDOW_AUTOSIZE);

    imshow( "二值图像" ,binImg);

    //④、定义结构元素

    Mat kernel = getStructuringElement(MORPH_RECT,Size( 3 , 3 ));

     //⑤、开操作

    morphologyEx(binImg,dest,MORPH_OPEN,kernel);

    namedWindow( "最终结果" ,CV_WINDOW_AUTOSIZE);

    imshow( "最终结果" ,~dest);

    cvWaitKey();

}

处理结果：

代码示例如下：

#include <opencv2/opencv.hpp>

using namespace std; using namespace cv; void CallBack_Demo_Erode(int, void*); void CallBack_Demo_Dilate(int, void*); //全局变量 Mat src = imread("helloworld.png"); Mat DilatePic = Mat(src.size(), src.type()); int dilateval = 1; int dilatecst = 20; Mat ErodePic = Mat(src.size(), src.type()); int erodeval = 1; int erodecst = 20; int main(int argc, char** argv) { if (!src.data) { printf("could not find picture .../n"); return -1; } namedWindow("原图像",WINDOW_AUTOSIZE); namedWindow("膨胀后",WINDOW_AUTOSIZE); createTrackbar("dilate-size:", "膨胀后",&dilateval, dilatecst,CallBack_Demo_Dilate); namedWindow("腐蚀后",WINDOW_AUTOSIZE); createTrackbar("erode-size:", "腐蚀后",&erodeval,erodecst,CallBack_Demo_Erode); //这个只是让回调函数执行一次把图像显示出来而已，可以不要。 CallBack_Demo_Dilate(0, 0); CallBack_Demo_Erode(0, 0); imshow("原图像", src); waitKey(0); return 0; } void CallBack_Demo_Dilate(int, void*) { //获取自定义核 Size ksize(dilateval, dilateval); Mat element = getStructuringElement(MORPH_RECT, ksize); //膨胀 dilate(src, DilatePic, element); imshow("膨胀后", DilatePic); } void CallBack_Demo_Erode(int, void*) { //获取自定义核 Size ksize(erodeval, erodeval); Mat element = getStructuringElement(MORPH_RECT, ksize); //腐蚀 erode(src, ErodePic, element); imshow("腐蚀后", ErodePic); }