OpenCV学习心得——基础篇——滤波与卷积——图像形态学与核的卷积

OpenCV学习心得——基础篇——滤波与卷积——图像形态学与核的卷积
FOR THE SIGMA
FOR THE GTINDER
FOR THE ROBOMASTER

简介：

这一系列的学习心得第一轮将参考《学习OpenCV3》一书

操作系统版本：Ubuntu16.04（在这里博主在Linux下进行运行的）
http://www.ubuntu.org.cn/download/desktop 桌面版ubuntu16.04 下载

电子版书籍下载地址
暂无资源

内容：

OpenCV提供了一种高效且易用的图像形态学变换接口。其中有很多形态学方法，但基本上所有的形态学操作都基于两种原始操作——膨胀与腐蚀。

膨胀与腐蚀
膨胀和腐蚀是最基本的形态学变换，可用于消除噪声、元素分割和连接、寻找图像中明显的极大值区域或极小值区域等。基于这两种操作，可以实现更复杂的形态学操作，用来定位强度峰值或孔洞、另一种形式的图像梯度等。

==膨胀(dilate)==是一种卷积操作，求局部最大值，它将目标像素的值替换为卷积核覆盖区域的局部最大值，扩张了明亮区域，填充凹面。此卷积核是一个非线性核，是一个四边形或圆形的实心核，其锚点在中心。

==腐蚀(erode)==是与之相反的操作，腐蚀操作计算的是核覆盖范围内的局部最小值缩减了明亮区，消除凸起。

总的来说膨胀就是扩展了明亮区域，填充凹面；腐蚀缩减了明亮区域，消除凸起。

void cv::dilate(  //膨胀
	cv::InputArray src,
	cv::OutputArray dst,
	cv::inputArray element,  //膨胀操作的核，当为NULL时，使用3*3的核
	cv::Point	anchor	=	cv::Point(-1,-1),  //锚的位置，其默认值(-1，,1)
	int	iterations = 1, 	//迭代使用erode函数的次数，默认为1
	int	borderType = cv::BORDER_CONSTANT  //用于推断图像外部像素的某种边界模式
	const cv::Scalar&	borderValue = cv::morphologyDefaultBorderValue( )
	);

void cv::erode(  //腐蚀
	cv::InputArray src,
	cv::OutputArray dst,
	cv::inputArray element,  //膨胀操作的核，当为NULL时，使用3*3的核
	cv::Point	anchor	=	cv::Point(-1,-1),  //锚的位置，其默认值(-1，,1)
	int	iterations = 1, 	//迭代使用erode函数的次数，默认为1
	int	borderType = cv::BORDER_CONSTANT  //用于推断图像外部像素的某种边界模式
	const cv::Scalar&	borderValue = cv::morphologyDefaultBorderValue( )
	);

通用形态学函数
又被称为高级形态学变换,当处理的对象是二值图像时，像素只能是开（>0）或关（=0）的图像掩膜时，基本的腐蚀和膨胀操作就够用了。需要对灰度图或者彩色图进行处理时，一些其他操作就非常有用了，这些操作可以通过cv::morphologyEx()实现。

void cv::morphologyEx(
	cv::InputArray	src,
	cv::OutputArray	dst,
	int op,  //指定函数进行的操作类型
	cv::InputArray	element,
	cv::Point	anchor	= cv::Point(-1,-1),
	int	iterations = 1,
	int	borderType = cv::BORDER_DEFAULT

op表

操作值	形态学操作	是否需要临时图像
cv::MOP_OPEN	开操作	否
cv::MOP_CLOSE	闭操作	否
cv::MOP_GRADIENT	形态学梯度	总是需要
cv::MOP_TOPHAT	顶帽操作	就地调用需要src=dist
cv::MOP_BLACKHAT	底帽操作	就地调用需要src=dist

开运算和闭运算
开运算先将图像进行腐蚀，然后对腐蚀的结果进行膨胀。开操作常用语对二值图像中的区域进行计算。
dst = open(src,element) = dilate(erode(src,element) )

闭运算想将图像进行膨胀，然后对膨胀的结果进行腐蚀。闭操作用于复杂连通分支算法中减少无用或噪声驱动的片段。
dst=clese(src,element) = erode(dilate(src,element) )

对于连通分支，通常先进行腐蚀或闭操作消除噪声，然后通过开操作连接相互靠近的大型区域。
对于一幅非布尔型图像进行形态学操作时，闭操作最明显的效果是消除值小于邻域内的点的孤立异常，而开操作消除的是大于邻域内点的孤立异常值。
参考：https://blog.csdn.net/hanshanbuleng/article/details/80657148

形态学梯度
梯度操作的结果（扩张亮域）减腐蚀操作的结果（缩减亮域）产生了原图像中的目标边缘。对于灰度图像，其结果就是计算明暗变换的趋势。形态学梯度通常用于显示明亮区域的边界，然后便可以将他们看作目标或者目标的部分。用扩张的图像减去了收缩的图像便得到完整的边界。与计算梯度不同，它并不会关注某个物体的周围。

顶帽与黑帽

顶帽用于显示与其邻近相比更亮的部分；黑帽用于显示与其邻近相比更暗的部分。
参考：https://blog.csdn.net/qq_36387683/article/details/80489631

实例:

#include <opencv2/opencv.hpp>


int main()
{
	cv::namedWindow("image", cv::WINDOW_NORMAL);
	cv::namedWindow("erosion", cv::WINDOW_NORMAL); 	//腐蚀
	cv::namedWindow("dilation", cv::WINDOW_NORMAL); //膨胀
	cv::namedWindow("opening", cv::WINDOW_NORMAL);  //开运算
	cv::namedWindow("closing", cv::WINDOW_NORMAL);	//闭运算
	cv::namedWindow("gradient", cv::WINDOW_NORMAL); //形态学梯度
	cv::namedWindow("topHat", cv::WINDOW_NORMAL); //顶帽
	cv::namedWindow("blackHat", cv::WINDOW_NORMAL); //黑帽

	cv::Mat img = cv::imread("pic.jpg");

	cv::Mat erosion, dilation, opening, closing, gradient, topHat, blackHat;
	cv::erode(img, erosion, cv::Mat());
	cv::dilate(img, dilation, cv::Mat());
	cv::morphologyEx(img, opening, cv::MORPH_OPEN, cv::Mat());
	cv::morphologyEx(img, closing, cv::MORPH_CLOSE, cv::Mat());
	cv::morphologyEx(img, gradient, cv::MORPH_GRADIENT, cv::Mat());
	cv::morphologyEx(img, topHat, cv::MORPH_TOPHAT, cv::Mat());
	cv::morphologyEx(img, blackHat, cv::MORPH_BLACKHAT, cv::Mat());

	cv::imshow("image", img);
	cv::imshow("erosion", erosion);
	cv::imshow("dilation", dilation);
	cv::imshow("opening", opening);
	cv::imshow("closing", closing);
	cv::imshow("gradient", gradient);
	cv::imshow("topHat", topHat);
	cv::imshow("blackHat", blackHat);
	cv::waitKey(0);
	cv::destroyAllWindows();
    return 0;
}

自定义核
Opencv可以让你创建自己的核，在形态学上，核常常被称为“构造元素”，而使用cv::getStructuringElement()函数便可以自定义一个核。

cv::Mat cv::getStructuringElement(
	int shape,   //构造元素的基本形状
	cv::size ksize,  //元素大小
	cv::Point anchor = cv::Point(-1,-1)  //锚点位置。
	);

元素形状shape表

形状值	元素
cv::MORPH_RECT	矩形
cv::MORPH_ELLIPSE	椭圆形
cv::MORPH_CROSS	交叉

==cv::filter2D()==进行卷积

void cv::filter2D(
	InputArray src,
	OutputArray dst, 
	int ddepth, 
	InputArray kernel, 
	cv::Point anchor=cv::Point(-1, -1), 
	double delta=0, 
	int borderType=cv::BORDER_DEFAULT
	);

注：如果定义了锚点的位置，那么核的大小可以是偶数，否则必须是奇数。