【OpenCV计算机视觉编程攻略】用形态学滤波器检测边缘和角点

本文为@源码人原创文章，转载请注明出处
文章链接：https://blog.csdn.net/q_z_r_s

准备工作：

腐蚀和膨胀是最基本的形态学运算，数学形态学中最基本的概念是结构元素。结构元素可以简单地定义为像素的组合（下图的正方形），在对应的像素上定义了一个原点（也称锚点）。形态学滤波器的应用过程就包含了用这个结构元素探测图像中每个像素的操作过程。把某个像素设为结构元素的原点后，结构元素和图像重叠部分的像素集（下图的九个阴影像素）就是特定形态学运算的应用对象。结构元素原则上可以是任何形状，但通常它是一个简单形状，如正方形、圆形或菱形，并且把中心点作为原点（主要是因为效率），如下图(摘录自：OpenCV计算机视觉编程攻略)：

因为形态学滤波器通常作用于二值图像，所以我们采用【OpenCV计算机视觉编程攻略】用直方图统计像素中通过阈值化创建的二值图像。但在形态学中，我们习惯用高像素值（白色）表示前景物体，用低像素值（黑色）表示背景物体，因此我们对图像做了反向处理。在形态学术语中，下面的图像称为【OpenCV计算机视觉编程攻略】用直方图统计像素所建图像的补码：

第一个截图是腐蚀图像：

第二个截图是膨胀图像：

部分代码如下：

	imshow("img",img);
	Mat merode;
	erode(img, merode, Mat(),Point(-1,-1),3);
	imshow("erode", merode);

	Mat mdilate;
	dilate(img, mdilate, Mat(),Point(-1,-1),3);
	imshow("dilate", mdilate);

所用函数详细说明请阅读此博文：【OpenCV API 指南】形态学运算

检测边缘和角点

检测到的边缘和角点如下图所示：

把检测到的角点和边缘还原到原图中，效果如下图所示：

部分代码如下：

//morphology.hpp
#include <iostream>

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>

using namespace std;
using namespace cv;

class morphology {
public:
	morphology();
	morphology(int it, int tld);
	~morphology(){}
	void drawCorners(Mat& img, Mat& corners);
	void getCorners(Mat& img, Mat& corners);
	void getCornersImage(Mat& image, Mat& cornersImage);

private:
	int iterator;
	Mat cross, diamond, square, x;
	int threshold;
};

//main.cpp
#include <iostream>

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

#include "morphology.hpp"

using namespace std;
using namespace cv;


int main()
{
	string picture = "5.jpg";
	Mat img = imread(picture, 0);

	if (img.empty()) {
		cout << "error" << endl;
		return 1;
	}
	
	imshow("img",img);
	Mat merode;
	erode(img, merode, Mat(),Point(-1,-1),3);
	imshow("erode", merode);

	Mat mdilate;
	dilate(img, mdilate, Mat(),Point(-1,-1),3);
	imshow("dilate", mdilate);
	Mat result = mdilate - merode;
	threshold(result,result,40, 255,THRESH_BINARY);
	imshow("gradient", result);
	
	morphology ml;
	Mat corners;
	ml.getCorners(img, corners);
	img = imread(picture);//读入彩色图像画角点
	ml.drawCorners(img, corners);
	imshow("corners", corners);
	imshow("cornersImage", img);
	
	
	waitKey(0);
	return 0;
}