(_cai_) opencv学习笔记(1):图像形态学计算的方式 morphology函数的应用

1.腐蚀

概述：腐蚀掉图像的细节。若图像有很多毛刺，通过腐蚀操作，可以将毛刺消除。

        下面所说的“值”可以简单理解为RGB三个通道[0,255]，值越小，亮度越低，值越大，亮度越高。

        我们首先定义了一个3*3的矩阵作为核，我们不关心矩阵的值，只关心他的大小。在图像中用核选中3*3的像素块，若像素块中的值相差很大（我们可以将其想象成边界），值大的像素点会被值小的像素点给取代。这种计算操作对于图像的边缘是极为敏感的。

函数：erode(cv::InputArray src, cv::OutputArray dst, cv::InputArray kernel)

参数：在腐蚀操作中，我们主要关注以下三个参数。另一些关于边界填充的参数这里不做介绍。

1.cv::InputArray src	输入图像
2.OutputArray dst	输出图像
3.InputArray kernel	核：n*n的矩阵。n越大，腐蚀的越厉害

代码： 

#include <iostream>
#include <opencv.hpp> 
#include <core/core.hpp>
#include <highgui/highgui.hpp>

using namespace cv;
using namespace std;

int main()
{
	Mat image_1 = imread("lena.jpg");
	Mat res;
	//定义一个3*3大小的方形核
	Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));

	erode(image_1,res,element);
	imshow("lena", image_1);
	imshow("res",res);
	waitKey(0);
	return 0;
}

输出结果：可以注意到很多毛刺都变得更加细，或者被消除。

2.膨胀

概述：与腐蚀相反，膨胀后的图片会将放大图像的细节。

        其实原理和腐蚀原理一样。所说的“值”可以简单理解为RGB三个通道[0,255]，值越小，亮度越低，值越大，亮度越高。

        我们首先定义了一个3*3的矩阵作为核，我们不关心矩阵的值，只关心他的大小。在图像中用核选中3*3的像素块，若像素块中的值相差很大（我们可以将其想象成边界），值小的像素点会被值大的像素点给取代。也就是亮度高的像素点会被放大取代亮度低的背景像素点。

函数：dilate(cv::InputArray src, cv::OutputArray dst, cv::InputArray kernel)

参数：在膨胀操作中，我们也只关注以下三个参数。

1.cv::InputArray src	输入图像
2.OutputArray dst	输出图像
3.InputArray kernel	核：n*n的矩阵。n越大，腐蚀的越厉害

代码： 

#include <iostream>
#include <opencv.hpp> 
#include <core/core.hpp>
#include <highgui/highgui.hpp>

using namespace cv;
using namespace std;

int main()
{
	Mat image_1 = imread("lena.jpg");
	Mat res;
	//定义一个3*3大小的方形核
	Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));

	dilate(image_1,res,element);
	imshow("lena", image_1);
	imshow("res",res);
	waitKey(0);
	return 0;
}

输出结果：第一眼看，图像变得更加模糊。但是仔细观察会发现，一些噪声点（白点），发丝等细节被放大。

3.开运算

 概述：先对图像进行腐蚀，再对图像进行膨胀。

函数：形态学计算（开运算、闭运算、梯度运算、礼帽、黑帽）等操作均使用该函数。

cv::morphologyEx(cv::InputArray src, cv::OutputArray dst, int op, cv::InputArray kernel,)

参数：我们关注以下四个参数。

1.cv::InputArray src	输入图像
2.OutputArray dst	输出图像
3.int op	形态操作类型(MORPH_OPEN )
4.InputArray kernel	核：n*n的矩阵。n越大，腐蚀的越厉害

代码：

#include <iostream>
#include <opencv.hpp> 
#include <core/core.hpp>
#include <highgui/highgui.hpp>

using namespace cv;
using namespace std;

int main()
{
	Mat image_1 = imread("lena.jpg");
	Mat res;
	//定义一个3*3大小的方形核
	Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));

	morphologyEx(image_1,res,MORPH_OPEN,element);

	imshow("lena", image_1);
	imshow("res",res);
	waitKey(0);
	return 0;
}

输出结果：

4.闭运算

概述：先对图像进行膨胀，再对图像进行腐蚀。

函数：形态学计算（开运算、闭运算、梯度运算、礼帽、黑帽）等操作均使用该函数。

cv::morphologyEx(cv::InputArray src, cv::OutputArray dst, int op, cv::InputArray kernel,)

参数：我们关注以下四个参数。

1.cv::InputArray src	输入图像
2.OutputArray dst	输出图像
3.int op	形态操作类型(MORPH_CLOSE)
4.InputArray kernel	核：n*n的矩阵。n越大，腐蚀的越厉害

代码：

#include <iostream>
#include <opencv.hpp> 
#include <core/core.hpp>
#include <highgui/highgui.hpp>

using namespace cv;
using namespace std;

int main()
{
	Mat image_1 = imread("lena.jpg");
	Mat res;
	//定义一个3*3大小的方形核
	Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));

	morphologyEx(image_1,res,MORPH_CLOSE,element);

	imshow("lena", image_1);
	imshow("res",res);
	waitKey(0);
	return 0;
}

输出结果：

5.梯度运算

概述：通过对腐蚀和膨胀的理解，我们可以认识到由于边界上色彩的差异很大，所以导致腐蚀和膨胀在边界区域的影响很大。简单化理解就是腐蚀是腐蚀边界上的细节，膨胀也是放大边界的细节，两者相减，就可以算出图像的边界信息。

代码：

#include <iostream>
#include <opencv.hpp> 
#include <core/core.hpp>
#include <highgui/highgui.hpp>

using namespace cv;
using namespace std;

int main()
{
	Mat image_1 = imread("lena.jpg");
	Mat res;
	//定义一个3*3大小的方形核
	Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));

	morphologyEx(image_1,res,MORPH_GRADIENT,element);

	imshow("lena", image_1);
	imshow("res",res);
	waitKey(0);
	return 0;
}

输出结果：

6.礼帽与黑帽

概述：礼帽运算=原始图像-开运算生成的图像

 代码：

#include <iostream>
#include <opencv.hpp> 
#include <core/core.hpp>
#include <highgui/highgui.hpp>

using namespace cv;
using namespace std;

int main()
{
	Mat image_1 = imread("lena.jpg");
	Mat res;
	//定义一个3*3大小的方形核
	Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));

	morphologyEx(image_1,res,MORPH_TOPHAT,element);

	imshow("lena", image_1);
	imshow("res",res);
	waitKey(0);
	return 0;
}

输出结果：

概述：礼帽运算=闭运算生成的图像-原始图像

 代码：

#include <iostream>
#include <opencv.hpp> 
#include <core/core.hpp>
#include <highgui/highgui.hpp>

using namespace cv;
using namespace std;

int main()
{
	Mat image_1 = imread("lena.jpg");
	Mat res;
	//定义一个3*3大小的方形核
	Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));

	morphologyEx(image_1,res,MORPH_BLACKHAT,element);

	imshow("lena", image_1);
	imshow("res",res);
	waitKey(0);
	return 0;
}

输出结果：