android使用opencv图片腐蚀与扩张

数学形态学中运算有 膨胀（或扩张）、腐蚀（或侵蚀）、开启、闭合、骨架抽取、极线腐蚀、击中击不中变换、Top-hat变换、颗粒分析、流域变换、形态学梯度等，其中腐蚀与扩张就是我们今天所有讲的要点。opencv中对腐蚀和扩张有相对的函数去实现，多用于图像的取噪、分割出独立的图像元素，在图像中连接相邻的元素、寻找图像中明显的极大值或极小值区、求图像的梯度。

腐蚀

腐蚀是求图片局部最小值算法，定义一个任何的形状和大小的积卷核，定义一个参考点为锚点，通常情况下积卷核为矩形或者圆形，在opencv中MorphShapes枚举中有三个形状（MORPH_RECT【矩形】、MORPH_CROSS【十字结构】、MORPH_ELLIPSE【椭圆】），可将核称为模板或掩膜。积卷核与图像进行积卷，计算核覆盖区域的像素点的最小值，并将最小值赋值给锚点，这样图像中的高亮区域就会逐渐减小。

JNIEXPORT jintArray JNICALL
Java_com_xy_opencv_ndk_1opencv002_MainActivity_erodeORdilate(JNIEnv *env, jclass type,
                                                             jintArray pixels_, jint w, jint h) {
    jint *pixels = env->GetIntArrayElements(pixels_, NULL);

    Mat img(h,w,CV_8UC4,pixels);

//    形态学
//
//    简而言之：一组基于形状处理图像的操作。形态操作将结构元素应用于输入图像并生成输出图像。
//    最基本的形态作用是：侵蚀和扩张。它们有广泛的用途，即：
//    消除噪音
//    隔离单个元素并连接图像中的不同元素。
//    查找图像中的强度凸点或孔

//    我们可以为我们的内核选择三种形状：
//    矩形框：MORPH_RECT
//    十字架：MORPH_CROSS
//    椭圆：MORPH_ELLIPSE

    Mat pp = getStructuringElement(MORPH_RECT,Size(10,10));
    //腐蚀（侵蚀）图像，向内有坍缩，10*10为基准，消除周边的颜色，用中心的颜色去填充周边颜色。
//    这个操作是扩张的姊妹。它计算给定内核区域的局部最小值。
//    当内核在图像上扫描时，我们计算由重叠的最小像素值，并用该最小值替换锚点下的图像像素。
//    对于扩张的例子，我们可以将侵蚀算子应用于原始图像


//    src：源图像
//    erosion_dst：输出图像
//    element：这是我们将用来执行操作的内核。如果我们不指定，默认是一个简单的3x3矩阵。否则，我们可以指定它的形状。为此，我们需要使用函数cv :: getStructuringElement：
    erode(img,img,pp);
    int size = w * h;
    jintArray result = env->NewIntArray(size);
    env->SetIntArrayRegion(result,0,size,pixels);

    env->ReleaseIntArrayElements(pixels_, pixels, 0);
    return result;
}

扩张

扩张是求局部最大值算法，与腐蚀相反操作是积卷核与图像进行积卷计算，计算出核覆盖区域的像素点的最大值，并将最大值赋值给锚点，这样图像中的高亮区域就会逐渐增大。

JNIEXPORT jintArray JNICALL
Java_com_xy_opencv_ndk_1opencv002_MainActivity_erodeORdilate(JNIEnv *env, jclass type,
                                                             jintArray pixels_, jint w, jint h) {
    jint *pixels = env->GetIntArrayElements(pixels_, NULL);

    Mat img(h,w,CV_8UC4,pixels);

//    形态作业
//
//    简而言之：一组基于形状处理图像的操作。形态操作将结构元素应用于输入图像并生成输出图像。
//    最基本的形态作用是：侵蚀和扩张。它们有广泛的用途，即：
//    消除噪音
//    隔离单个元素并连接图像中的不同元素。
//    查找图像中的强度凸点或孔

//    我们可以为我们的内核选择三种形状：
//    矩形框：MORPH_RECT
//    十字架：MORPH_CROSS
//    椭圆：MORPH_ELLIPSE

    Mat pp = getStructuringElement(MORPH_RECT,Size(10,10));

//    src：源图像
//    erosion_dst：输出图像
//    element：这是我们将用来执行操作的内核。如果我们不指定，默认是一个简单的3x3矩阵。否则，我们可以指定它的形状。为此，我们需要使用函数cv :: getStructuringElement：

    //扩张

//    扩张，向外扩张
//
//    该操作包括将图像与某些内核进行卷积，其可以具有任何形状或尺寸，通常为正方形或圆形。
//    内核具有定义的锚点，通常是内核的中心。
//    当内核在图像上扫描时，我们计算由核重叠的最大像素值，并用该最大值替换锚点位置中的图像像素。您可以推断，这种最大化的操作会使图像中的亮区“增长”（因此称为扩张）。
    dilate(img,img,pp);
    int size = w * h;
    jintArray result = env->NewIntArray(size);
    env->SetIntArrayRegion(result,0,size,pixels);

    env->ReleaseIntArrayElements(pixels_, pixels, 0);
    return result;
}