8.7基于数学形态学的边缘检测

weixin_45794330

于 2024-09-27 00:00:00 发布

阅读量241

点赞数 6

分类专栏： Opencv 文章标签： opencv

本文链接：https://blog.csdn.net/weixin_45794330/article/details/141969413

版权

Opencv 专栏收录该内容

67 篇文章 0 订阅

订阅专栏

基本概念

数学形态学（Mathematical Morphology）是一套用于图像处理的技术，它包括膨胀（Dilation）、腐蚀（Erosion）、开运算（Opening）和闭运算（Closing）等操作。通过组合这些基本操作，可以实现复杂的图像处理任务，比如边缘检测。

边缘检测可以通过形态学梯度（Morphological Gradient）来实现，形态学梯度定义为膨胀图像与原图像（或腐蚀图像）之间的差值。这种技术可以有效地突出边缘区域，因为边缘通常是图像中亮度突变的地方。

示例代码

下面是一个使用OpenCV和C++来实现基于数学形态学的边缘检测的示例代码：

#include "pch.h"
#include <opencv2/opencv.hpp>
#include <iostream>

int main(int argc, char** argv)
{
	// 加载图像
	cv::Mat src = cv::imread("07.png", cv::IMREAD_GRAYSCALE);
	if (src.empty())
	{
		std::cout << "Error: Image not found or unable to open" << std::endl;
		return -1;
	}

	// 定义结构元素
	int elementShape = cv::MORPH_RECT; // 可以选择cv::MORPH_ELLIPSE或cv::MORPH_CROSS
	int kernelSize = 3; // 核大小
	cv::Mat element = cv::getStructuringElement(elementShape,
		cv::Size(2 * kernelSize + 1, 2 * kernelSize + 1),
		cv::Point(kernelSize, kernelSize));

	// 执行膨胀操作
	cv::Mat dilated;
	cv::dilate(src, dilated, element);

	// 计算形态学梯度
	cv::Mat gradient;
	cv::subtract(dilated, src, gradient);

	// 二值化结果
	cv::Mat binary;
	cv::threshold(gradient, binary, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);

	// 显示原始图像和边缘检测结果
	cv::namedWindow("Original Image", CV_WINDOW_NORMAL);
	cv::imshow("Original Image", src);
	cv::namedWindow("Edge Detection Result", CV_WINDOW_NORMAL);
	cv::imshow("Edge Detection Result", binary);
	cv::waitKey(0);

	return 0;
}


在这段代码中：
我们加载了一张灰度图像。
定义了一个结构元素（内核），该内核用于执行膨胀操作。
对图像执行膨胀操作。
使用cv::subtract函数计算膨胀后的图像与原图之间的差值，即形态学梯度。
使用大津法（Otsu's thresholding）自动确定阈值来二值化形态学梯度的结果。
最后，我们显示原始图像和边缘检测结果。
记得将 "path_to_your_image.jpg" 替换为你实际要处理的图像文件路径。此外，你还可以通过调整结构元素的形状和大小来优化边缘检测的效果。