Opencv---形态学处理

转自：https://blog.csdn.net/keen_zuxwang/article/details/72768092 

高级形态学变换： 
开运算： 
先腐蚀，再膨胀，可清除一些小东西(亮的)，放大局部低亮度的区域 
闭运算： 
先膨胀，再腐蚀，可清除小黑点 
形态学梯度： 
膨胀图与腐蚀图之差，提取物体边缘 
顶帽： 
原图像-开运算图，突出原图像中比周围亮的区域 
黑帽： 
闭运算图-原图像，突出原图像中比周围暗的区域

腐蚀用于分割(isolate)独立的图像元素， 
膨胀用于连接(join)相邻的元素 
腐蚀、膨胀可用于去噪（低尺寸结构元素的腐蚀操作很容易去掉分散的椒盐噪声点），图像轮廓提取、图像分割、寻找图像中的明显的极大值区域或极小值区域等

腐蚀和膨胀是最基本的形态学算子 
结构元素 
就相当于我们在滤波中所涉及到的模板，也就是说它是一个给定像素的矩阵，这个矩阵可以是任意形状的， 
一般情况下都是正方形，圆形或者菱形的但是在结构元素中有一个中心点（也叫做anchor point）。 
和模板中心一样，处理后的结果赋值给和这个中心点对齐的像素点。处理的过程也是基本相同。

结构元素和卷积模板的区别在于，膨胀是以集合运算为基础的，卷积是以算数运算为基础的。 
（OpenCV里面的腐蚀膨胀都是针对白色目标区域的）

膨胀：用结构元素的中心点对准当前正在遍历的这个像素， 
然后取当前结构元素所覆盖下的原图对应区域内的所有像素的最大值，用这个最大值替换当前像素值，给图像中的对象边界添加像素，使二值图像扩大一圈 
1. 用结构元素，扫描图像的每一个像素 
2. 用结构元素与其覆盖的二值图像做“与”操作 
3. 如果都为0，结果图像的该像素为0。否则为1 
也就是在结构元素覆盖范围下，只要有一个像素符和结构元素像素相同，那么中心点对应点就为1，否则为0

腐蚀：用结构元素的中心点对准当前正在遍历的这个像素， 
然后取当前结构元素所覆盖下的原图对应区域内的所有像素的最小值，用这个最小值替换当前像素值，删除对象边界的某些像素，使二值图像减小一圈 
1. 用结构元素，扫描图像的每一个像素 
2. 用结构元素与其覆盖的二值图像做“与”操作 
3. 如果都为1，结果图像的该像素为1。否则为0 
也就是查找被处理图像中能不能找到和结构元素相同的矩阵。如果存在那么中心点所对应的点就为1，否则为0

腐蚀：删除对象边界的某些像素 
膨胀：给图像中的对象边界添加像素

//! erodes the image (applies the local minimum operator)
CV_EXPORTS_W void erode( InputArray src, OutputArray dst, InputArray kernel,
                         Point anchor=Point(-1,-1), int iterations=1,
                         int borderType=BORDER_CONSTANT,
                         const Scalar& borderValue=morphologyDefaultBorderValue() );

src 
原图像 
dst 
结果输出图像 
kernel 
结构元素 
anchor 
结构元素的原点 
iterations 
迭代次数

//! dilates the image (applies the local maximum operator)
CV_EXPORTS_W void dilate( InputArray src, OutputArray dst, InputArray kernel,
                          Point anchor=Point(-1,-1), int iterations=1,
                          int borderType=BORDER_CONSTANT,
                          const Scalar& borderValue=morphologyDefaultBorderValue() );

src 
原图像 
dst 
结果输出图像 
kernel 
结构元素 
anchor 
结构元素的原点 
iterations 
迭代次数

//! shape of the structuring element 
enum { 
MORPH_RECT=0, 
MORPH_CROSS=1, 
MORPH_ELLIPSE=2 
}; 

常用的结构元素的形状： 
矩形（包括线形）、椭圆（包括圆形）及十字形。 

MORPH_RECT 
MORPH_ELLIPSE 
MORPH_CROSS

//! returns structuring element of the specified shape and size

CV_EXPORTS_W Mat getStructuringElement(int shape, Size ksize, Point anchor=Point(-1,-1));

获取结构元素(内核矩阵)，包括结构元素的大小及形状: 
shape 
内核的形状: MORPH_RECT、MORPH_ELLIPSE、MORPH_CROSS 
ksize 
内核的尺寸 
anchor 
锚点的位置, Point(-1,-1)锚点位于中心

例如： 
//结构元素(内核矩阵)的尺寸 
int g_nStructElementSize = 2; 
//自定义核

Mat element = getStructuringElement(MORPH_RECT, //核为矩形 
       Size(2*g_nStructElementSize+1, 2*g_nStructElementSize+1),  //5X5 核矩阵
       Point(g_nStructElementSize, g_nStructElementSize )); // 中心（2，2） 

十字形的element形状唯一依赖于锚点的位置。其他情况下，锚点只是影响了形态学运算结果的偏移。

//! applies an advanced morphological operation to the image
CV_EXPORTS_W void morphologyEx( InputArray src, OutputArray dst,
                                int op, InputArray kernel,
                                Point anchor=Point(-1,-1), int iterations=1,
                                int borderType=BORDER_CONSTANT,
                                const Scalar& borderValue=morphologyDefaultBorderValue() );

morphologyEx函数利用基本的膨胀和腐蚀技术，来执行更加高级形态学变换 
src 
输入图像，图像位深应该为以下五种之一：CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F。 
dst 
输出图像，需和源图片保持一样的尺寸和类型。 
op 
表示形态学运算的类型： 
MORPH_OPEN – 开运算（Opening operation） 
MORPH_CLOSE – 闭运算（Closing operation） 
MORPH_GRADIENT - 形态学梯度（Morphological gradient） 
MORPH_TOPHAT - 顶帽（Top hat） 
MORPH_BLACKHAT - 黑帽（Black hat） 
kernel 
形态学运算的内核。为NULL，使用参考点位于中心3x3的核。一般使用函数getStructuringElement配合这个参数的使用， 
kernel参数填保存getStructuringElement返回值的Mat类型变量。 
anchor 
锚的位置，其有默认值（-1，-1），表示锚位于中心。 
iterations 
迭代使用函数的次数，默认值为1。 
borderType 
用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_CONSTANT。 
borderValue 
当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，

一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。
morphology.cpp

#include <string>
#include <stdio.h>
#include <stdlib.h>
#include <jni.h>
#include <android/log.h>
#include <iostream>
#include <fstream>
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/objdetect/objdetect.hpp>
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/calib3d/calib3d.hpp"
#include "opencv2/imgproc/types_c.h"
#include "opencv2/imgproc/imgproc_c.h"
#include "opencv2/video/tracking.hpp"
#include "opencv2/video/video.hpp"
#include <opencv2/ml/ml.hpp>

using namespace std;
using namespace cv;

#define LOG_TAG "FeatureTest"
#define LOGD(...) ((void)__android_log_print(ANDROID_LOG_DEBUG, LOG_TAG, __VA_ARGS__))

#ifdef __cplusplus
extern "C" {
#endif

#define BYTE unsigned char

void EqualizeGray(IplImage* pImg)  //直方图均衡化
{
    IplImage* pGray=cvCreateImage(cvSize(pImg->width,pImg->height),IPL_DEPTH_8U,1);
    cvCvtColor(pImg,pGray,CV_BGR2GRAY);
    pGray->origin=pImg->origin;
    //cvShowImage("Gray Image",pGray);

    IplImage* pEqualizedImg=cvCreateImage(cvSize(pImg->width,pImg->height),IPL_DEPTH_8U,1);
    cvEqualizeHist(pGray, pEqualizedImg);
    //cvShowImage("Equalize Image",pEqualizedImg);
    cvReleaseImage(&pGray);
}

void cvFindContours2(Mat pImg)   //颜色识别 轮廓检测  IplImage* pImg
{
    Mat pGray;
    cvtColor(pImg, pGray, CV_BGR2GRAY); // 1、灰度图

    blur(pGray, pGray, Size(5,5)); //2、 均值滤波

    //Finde vertical edges. Car plates have high density of vertical lines
    Mat img_sobel;
    Sobel(pGray, img_sobel, CV_8U, 1, 1, 3, 1, 0, BORDER_DEFAULT);// 3、sobel 边缘提取 xorder=1,yorder=0,kernelsize=3

    Mat img_threshold;
    threshold(img_sobel, img_threshold, 0, 255, CV_THRESH_OTSU); // 4、二值化  img_sobel CV_THRESH_BINARY

    //Morphplogic operation close:remove blank spaces and connect all regions that have a high number of edges
    Mat element = getStructuringElement(MORPH_RECT, Size(17, 3) ); // 5、高级形态学变化，闭操作
    morphologyEx(img_threshold, img_threshold, CV_MOP_CLOSE, element);

    //Find 轮廓 of possibles plates
    vector< vector< Point> > contours; // a vector of contours
    findContours(img_threshold, contours,
                CV_RETR_EXTERNAL, // 提取外部轮廓
                CV_CHAIN_APPROX_NONE); // all pixels of each contours

    LOGD("         contours.size() = %d      !", contours.size());
    drawContours(pImg, contours, -1, Scalar(0,0,255), 2);

}

JNIEXPORT jlong JNICALL Java_com_example_morphology_MainActivity_doMorphology(JNIEnv *env, jclass clz, jlong imageGray, jint type_num)
{
    Mat pImg = Mat(*(Mat*)imageGray);
    Mat pGray;
    cvtColor(pImg, pGray, CV_BGR2GRAY); // 1、灰度图
    //equalizeHist(pGray, pGray); // 2、直方图均衡化  CV_EXPORTS_W void equalizeHist( InputArray src, OutputArray dst );

    blur(pGray, pGray, Size(5,5)); //2、 均值滤波

    //Mat img_sobel;
    //Sobel(pGray, img_sobel, CV_8U, 1, 1, 3, 1, 0, BORDER_DEFAULT);// 3、sobel 边缘提取 xorder=1,yorder=1,kernelsize=3

    Mat img_threshold;
    threshold(pGray, img_threshold, 0, 255, CV_THRESH_OTSU); // 4、二值化  img_sobel CV_THRESH_BINARY_INV CV_THRESH_OTSU

    Mat element = getStructuringElement(MORPH_RECT, Size(17, 3) ); // 5、高级形态学变化，闭操作
    /*
    enum { MORPH_ERODE=CV_MOP_ERODE, MORPH_DILATE=CV_MOP_DILATE,
           MORPH_OPEN=CV_MOP_OPEN,
           MORPH_CLOSE=CV_MOP_CLOSE,
           MORPH_GRADIENT=CV_MOP_GRADIENT,
           MORPH_TOPHAT=CV_MOP_TOPHAT,
           MORPH_BLACKHAT=CV_MOP_BLACKHAT };
    */
    if(type_num==0){
        morphologyEx(img_threshold, img_threshold, CV_MOP_OPEN, element); //先腐蚀，再膨胀，可清除一些小亮点，放大局部低亮度的区域
    }else if(type_num==1){
        morphologyEx(img_threshold, img_threshold, CV_MOP_CLOSE, element); //先膨胀，再腐蚀，可清除小黑点
    }else if(type_num==2){
        morphologyEx(img_threshold, img_threshold, CV_MOP_GRADIENT, element); //膨胀图与腐蚀图之差，提取物体边缘
    }else if(type_num==3){
        morphologyEx(img_threshold, img_threshold, CV_MOP_TOPHAT, element);//原图像-开运算图，突出原图像中比周围亮的区域
    }else if(type_num==4){
        morphologyEx(img_threshold, img_threshold, CV_MOP_BLACKHAT, element);//闭运算图-原图像，突出原图像中比周围暗的区域
    }
    //type_num

    Mat *hist = new Mat(img_threshold);
    return (jlong) hist;
}

JNIEXPORT jlong JNICALL Java_com_example_morphology_MainActivity_doErode(JNIEnv *env, jclass clz, jlong imageGray)
{
    Mat pImg = Mat(*(Mat*)imageGray);
    Mat pGray;
    cvtColor(pImg, pGray, CV_BGR2GRAY); // 1、灰度图
    //equalizeHist(pGray, pGray); // 2、直方图均衡化  CV_EXPORTS_W void equalizeHist( InputArray src, OutputArray dst );

    blur(pGray, pGray, Size(5,5)); //2、 均值滤波

    //Mat img_sobel;
    //Sobel(pGray, img_sobel, CV_8U, 1, 1, 3, 1, 0, BORDER_DEFAULT);// 3、sobel 边缘提取 xorder=1,yorder=1,kernelsize=3

    Mat img_threshold;
    threshold(pGray, img_threshold, 0, 255, CV_THRESH_OTSU); // 4、二值化  img_sobel CV_THRESH_BINARY_INV CV_THRESH_OTSU

    //Mat element = getStructuringElement(MORPH_RECT, Size(17, 3) ); // 5、高级形态学变化，闭操作
    //cv::Mat element(5,5,CV_8U,cv::Scalar(1));
    //Mat eroded;
    //erode(pGray, eroded, element);

    // Erode the image
        cv::Mat eroded;
        cv::erode(img_threshold,eroded,cv::Mat());

    Mat *hist = new Mat(eroded);
    return (jlong) hist;
}

JNIEXPORT jlong JNICALL Java_com_example_morphology_MainActivity_doDilate(JNIEnv *env, jclass clz, jlong imageGray)
{
    Mat pImg = Mat(*(Mat*)imageGray);
    Mat pGray;
    cvtColor(pImg, pGray, CV_BGR2GRAY); // 1、灰度图
    //equalizeHist(pGray, pGray); // 2、直方图均衡化  CV_EXPORTS_W void equalizeHist( InputArray src, OutputArray dst );

    blur(pGray, pGray, Size(5,5)); //2、 均值滤波

    //Mat img_sobel;
    //Sobel(pGray, img_sobel, CV_8U, 1, 1, 3, 1, 0, BORDER_DEFAULT);// 3、sobel 边缘提取 xorder=1,yorder=1,kernelsize=3

    Mat img_threshold;
    threshold(pGray, img_threshold, 0, 255, CV_THRESH_OTSU); // 4、二值化  img_sobel CV_THRESH_BINARY_INV CV_THRESH_OTSU

    //Mat element = getStructuringElement(MORPH_RECT, Size(17, 3) ); // 5、高级形态学变化，闭操作
    //Mat element;//(5, 5, CV_8U, Scalar(1));
    //element.create(5, 5, CV_8U, Scalar(0,0,255));
    //cv::Mat element(5,5,CV_8U,cv::Scalar(1));
    //cv::Mat dilate;
    //dilate(pGray, dilate, element);

    cv::Mat dilate;
    cv::dilate(img_threshold,dilate,cv::Mat());

    Mat *hist = new Mat(dilate);
    return (jlong) hist;
}

#ifdef __cplusplus
}
#endif