opencv形态学应用之边界提取与跟踪

边界提取：根据之前的博客就是用原图减去腐蚀后的图像；

边界跟踪：按照某种扫描规则找到目标边界上的像素直到回到原点；

本程序中，我采用从左到右从上到下的顺序查找边界，如下图所示，分别从左下、下、右下右、右上、上、左上、左方向搜索边界点，当搜索到原点时，边界搜索结束。

当图像中有多个连通域时，显然这种方法就不适用，所以改进的方法是：每搜索完一个边界，将改连通域设置为背景颜色（如：0），然后继续搜索

#include<opencv2\opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;

void erode(const Mat _src, Mat& dst, int se[3][3]);
void dilate(const Mat _src, Mat& dst, int se[3][3]);

/**************************************************
功能：边界跟踪
参数：src-二值图像
***************************************************/
void traceBoundary(Mat src, Mat& dst)
{
	//起始边界点和当前边界点
	Point ptStart;
	Point ptCur;
	//搜索方向数组{左下，下，右下，右，右上，上，左上，左}
	int Direction[8][2] = { { -1, 1 }, { 0, 1 }, { 1, 1 }, { 1, 0 }, { 1, -1 }, { 0, -1 }, { -1, -1 }, { -1, 0 } };
	int nCurDirect = 0;//当前探查的方向
	//搜索开始，区别ptCur==ptStart的两种情况（一种开始，一种结束）
	bool bAtStartPt;

	//算法不处理边界上的点，将图像的四周设置为白
	//for (int i = 0; i < src.rows; i++)
	//{
	//	dst.at<uchar>(i, 0) = 255;
	//	dst.at<uchar>(i, src.rows - 1) = 255;
	//}
	//for (int j = 0; j < src.cols; j++)
	//{
	//	dst.at<uchar>(0, j) = 255;
	//	dst.at<uchar>(src.rows - 1, j) = 255;
	//}

	int xPos, yPos;
	//逐行扫描
	for (int i = 0; i < src.rows; i++)
	{
		for (int j = 0; j < src.cols; j++)
		{
			if (src.at<uchar>(i, j) > 0)
			{
				ptStart.x = j;
				ptStart.y = i;

				ptCur = ptStart;
				bAtStartPt = true;
				while ((ptCur.x != ptStart.x) || (ptCur.y != ptStart.y) || bAtStartPt)
				{
					bAtStartPt = false;
					//下一个探查位置
					xPos = ptCur.x + Direction[nCurDirect][0];
					yPos = ptCur.y + Direction[nCurDirect][1];
					int nSearchTimes = 1;
					while (src.at<uchar>(yPos, xPos) ==0)
					{
						nCurDirect++;//逆时针旋转45度
						if (nCurDirect >= 8)
							nCurDirect -= 8;
						xPos = ptCur.x + Direction[nCurDirect][0];
						yPos = ptCur.y + Direction[nCurDirect][1];
						//8领域中都没有边界点，说明是孤立点
						if (++nSearchTimes >= 8)
						{
							xPos = ptCur.x;
							yPos = ptCur.y;
							break;
						}
					}
					//找到下一个边界点
					ptCur.x = xPos;
					ptCur.y = yPos;
					//在新像上标记边界
					dst.at<uchar>(ptCur.y, ptCur.x) = 255;
					/***********
					此处可以定义vector存储提取的边界点
					************/
					//将当前探查方向顺时针回转90度作为下一次的探查初始方向
					nCurDirect -= 2;
					if (nCurDirect < 0)
					{
						nCurDirect += 8;
					}
				}
				return;
			}
			//当存在多个边界时，在此处添加相应代码，并删除return（每跟踪完一个边界，删除相应的区域）
		}
	}
}

int main()
{
	//读取二值图像（此步可以忽略）
	Mat src = imread("test1.jpg", 0);
	Mat src_binary;
	threshold(src, src_binary, 250, 255, THRESH_BINARY);
	imshow("原始图像", src_binary);

	//创建模板
	int se[3][3] = { { -1, 1, -1 }, { 1, 1, 1 }, { 1, 1, 1 } };

	//边界提取（原图-腐蚀后的图像）
	Mat dstImg;
	erode(src_binary, dstImg, se);
	dstImg = src_binary - dstImg;
	imshow("边界提取后的图像", dstImg);

	//边界跟踪
	Mat BoundaryImg = Mat::zeros(src_binary.size(), src_binary.type());
	traceBoundary(dstImg, BoundaryImg);
	imshow("边界图像", BoundaryImg);
	waitKey(0);
	return 0;
}

原始图像：

边界提取的结果：

边界跟踪后的结果：