形态学操作

在介绍opencv的形态学操作之前，要先介绍一下两个基础内容，一个是腐蚀，一个膨胀。膨胀和腐蚀相当于滤波的一种，只不过之前介绍的几种滤波，什么均值啊，高斯啊都是把区域的平均值或者说中值去替换中心点的像素值，而膨胀和腐蚀正好相反，膨胀是用区域中最高的像素值去替换中心点的像素值，而腐蚀则是用区域中最小的像素值去替换中心点的像素值。相关函数如下：

（1）Mat kernel = getstructuringElement(int shape,Size size,Point anchor)//用来获取结构元素，换言之就是确定操作区域，shape是区域形状，值有MORPH_RECT、MORPH_CROSS、MORPH_ELLIPSE分别代表方形，圆形，椭圆，size用来确定区域大小，Point对象当x、y都是-1就表示替换点是中心点。该函数在形态学操作中至关重要。

（2）dilate(源Mat对象,目标Mat对象,结构元素kernel)//这是膨胀操作

（3）erode(源Mat对象,目标Mat对象,结构元素kernel)//这是腐蚀操作

（4）createTrackbar("进度条名字","对应的窗口名字",int &进度条对应的控制参数,int 进度条最大值,对应的程序名字)//可以实时显示参数改变的效果，很有用

演示代码：

#include<opencv2\opencv.hpp>
#include<iostream>
#include<math.h>
#include<algorithm>

using namespace std;
using namespace cv;

void showDilate(int, void*);
void showErode(int, void*);
int elementSize = 6;//一开始赋值可以使trackbar一开始运行的时候处于该初始值
Mat src, dst;

int  main()
{
	src = imread("1.png", 0);
	if (src.empty())
	{
		printf("cannot load!!!\n");
		getchar();
		return -1;
	}
	namedWindow("原图");
	imshow("原图", src);
	namedWindow("膨胀测试");
	createTrackbar("Size ", "膨胀测试", &elementSize, 21,showDilate);
	showDilate(0, 0);//不运行一下的话一出来是个空窗口，需要拉动进度条才能出结果，运行一下可以先出现默认值效果
	namedWindow("腐蚀测试");
	createTrackbar("Size ", "腐蚀测试", &elementSize, 21, showErode);
	showErode(0, 0);

	waitKey(0);
	return 0;
}
void showDilate(int, void*)
{
	int size = elementSize * 2 + 1;//保证size是奇数
	Mat kernel = getStructuringElement(MORPH_RECT, Size(size, size), Point(-1, -1));
	dilate(src, dst, kernel);
	imshow("膨胀测试", dst);
}
void showErode(int, void*)
{
	int size = elementSize * 2 + 1;
	Mat kernel = getStructuringElement(MORPH_RECT, Size(size, size), Point(-1, -1));
	erode(src, dst, kernel);
	imshow("腐蚀测试", dst);
}

演示效果：

=============================分割线============================================

下面开始介绍形态学操作，形态学操作主要有开操作，闭操作，形态学梯度，顶帽，黑帽。

（1）开操作：就是先腐蚀后膨胀，效果腐蚀是将像素值高的小点消去，膨胀在将没被消去的像素高的大部分还原。

（2）闭操作：就是先膨胀后腐蚀，效果是消除像素高背景下的低像素点，原理与开操作正好相反。

（3）形态学梯度：用膨胀后的像素减去腐蚀后的像素。

（4）顶帽：原图像与开操作的差值，效果和开操作相反。

（5）黑帽：原图像与闭操作的差值，效果和闭操作相反。

这些操作都采用同一个函数，只是参数不同。

morphologyEx(源Mat对象,目标Mat对象,int 形态学操作类型,结构元素kernel)//形态学操作类型：CV_MOP_OPEN、CV_MOP_CLOSE、CV_MOP_GRADIENT、CV_MOP_TOPHAT、CV_MOP_BLACKHAT，kernel同样是用来确定范围的。

演示代码：

#include<opencv2\opencv.hpp>
#include<iostream>
#include<math.h>
#include<algorithm>

using namespace std;
using namespace cv;

int main()
{
	Mat src, dst;
	src = imread("1.png", 1);
	if (src.empty())
	{
		printf("cannot load!!\n");
		return -1;
	}
	namedWindow("原图");
	imshow("原图", src);
	Mat kernel = getStructuringElement(MORPH_RECT, Size(15, 15), Point(-1, -1));
	namedWindow("开操作");
	morphologyEx(src, dst, CV_MOP_OPEN, kernel);
	imshow("开操作", dst);
	namedWindow("闭操作");
	morphologyEx(src, dst, CV_MOP_CLOSE, kernel);
	imshow("闭操作", dst);
	namedWindow("形态学梯度操作");
	morphologyEx(src, dst, CV_MOP_GRADIENT, kernel);
	imshow("形态学梯度操作", dst);
	namedWindow("顶帽操作");
	morphologyEx(src, dst, CV_MOP_TOPHAT, kernel);
	imshow("顶帽操作", dst);
	namedWindow("黑帽操作");
	morphologyEx(src, dst, CV_MOP_BLACKHAT, kernel);
	imshow("黑帽操作", dst);

	waitKey(0);
	return 0;
}

效果图太多了，就不放了，效果也没什么特别的。。。。（就是懒）

==================================分割线==========================================

形态学操作可以用来提取图像中的信息，比如验证码什么的。不过提取时需要将图片转换成二值图，所谓二值图是指图片只有两个值，opencv中有几个函数可以将灰度图转换成二值图。

（1）threshold(源Mat对象,目标Mat对象,int 阈值,int 最大值,类型)//这是最简单的转二值图方法，就是给定一个阈值，根据类型，超过这个值的像素变成另一个值，没超过的则是另一个值，这两个值一个是最大值，一个是原值或者0，具体看类型。类型有THRESH_BINARY，THRESH_BINARY_INV，THRESH_TRUNC，THRESH_TOZERO，THRESH_TOZERO_INV。

（2）adaptiveThreshold(源Mat对象,目标Mat对象, int 最大值, 方法, 类型, int 区域大小,double C)//这个函数更加实用，上一个函数是很僵硬的按照阈值来分割，这样很可能会丢失轮廓，这个函数是动态转换，也就是说根据方法在一个区域内算出该区域的阈值，再根据类型判断应该赋什么值，计算方法有两种，一种是均值，就是区域内的像素均值减去C得到该区域的阈值，还有一种是高斯方法，就是按照二维正态分布求出区域的加权平均值，再减去C，得到区域阈值。两个方法叫做CV_ADAPTIVE_THRESH_MEAN_C ， CV_ADAPTIVE_THRESH_GAUSSIAN_C 。

注意，二值图只能从灰度图转换而来，所以图像要先转换成灰度图。

转换成二值图后，用开操作和闭操作就能把不重要的小部分给去掉了。

演示代码：

#include<opencv2\opencv.hpp>
#include<iostream>
#include<math.h>
#include<algorithm>

using namespace std;
using namespace cv;

int main()
{
	Mat src, dst;
	src = imread("1.png", 1);
	if (src.empty())
	{
		printf("cannot load!!\n");
		return -1;
	}
	namedWindow("原图");
	imshow("原图", src);
	Mat graySrc;
	cvtColor(src, graySrc, CV_BGR2GRAY);
	namedWindow("灰度图");
	imshow("灰度图", graySrc);
	Mat binSrc;
	adaptiveThreshold(graySrc, binSrc, 255, CV_ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15,5);
	namedWindow("二值图");
	imshow("二值图", binSrc);
	Mat kernel;
	kernel = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1));
	morphologyEx(binSrc, dst, CV_MOP_CLOSE, kernel);
	morphologyEx(dst, dst, CV_MOP_OPEN, kernel);
	namedWindow("final result");
	imshow("final result", dst);

	waitKey(0);
	return 0;
}

演示效果：

猜你喜欢