opencv 4.0 形态学图像处理（粒度测定、腐蚀膨胀、开闭运算、顶帽黑帽运算、形态学重建）C++代码实现

编程语言 2019-04-18 20:48:35 阅读次数: 0

形态学原理原理介绍

数字图像处理 第三版》(冈萨雷斯)——第九章 形态学图像处理

本文所有程序均在ubuntu环境编写，Windows 兼容性未知，理论上不会有什么问题，如果运气不好，运行失败，建议百度。

腐蚀膨胀

opencv4.0中提供了腐蚀膨胀的函数 erode()、dilate()函数，用起来也方便。但是我的课程实践要求自己编写函数，所以这里附上不依赖opencv膨胀腐蚀函数的c++的腐蚀膨胀程序的实现代码。

//膨胀函数
void dilatetest(uchar *imageBuffer,uchar *outBuffer,int imageWidth,int imageHeight)
{
	uchar *dilateBuffer = (uchar *)malloc((imageWidth+2)*(2+imageHeight));   //开辟空间 （扩展边界便于处理原图像边界）
	memset(dilateBuffer,0,(imageHeight+2)*(imageWidth+2));

	for (int i = 0;i < imageHeight;i++)  //读取img的值,跳过边界点。
	{
		for (int j = 0 ; j < imageWidth; j++)
		{
		     dilateBuffer[(i+1)*(imageWidth+2)+j+1] = imageBuffer[i*imageWidth + j]; 
         	}
	}
        /*以rows=cols=3为例 imageBuffer为[123456789] dilateBuffer为[0000001230045600789000000]*/ 

	uchar *srcImage = dilateBuffer;  

	for (int i = 0;i < imageWidth; i++)
	{
		for (int j = 0;j < imageHeight;j++)
		{
			uchar MaxNum = 0;

			srcImage = (dilateBuffer + (i*(imageWidth +2)+j));  //实现锚点的遍历
			for (int m = 0;m<3;m++)  //3x3的内核
			{
				for (int n = 0; n < 3;n++)
				{
					if (MaxNum < srcImage[n])  //将内核中最大的像素值提取
					{
						MaxNum = srcImage[n];
					}
				}
				srcImage = (srcImage + m*(imageWidth +2)); //跳到内核下一行
			}

			outBuffer[i*imageWidth +j] = MaxNum; //将锚点的值付给一个动态内存空间
		}
	}
}

//腐蚀定义  定义与膨胀雷同 区别是提取最小像素值
void erodetest(uchar *imageBuffer,uchar *outBuffer,int imageWidth,int imageHeight)
{
	uchar *erodeBuffer = (uchar *)malloc((imageWidth+2)*(2+imageHeight));
	memset(erodeBuffer,255,(imageHeight+2)*(imageWidth+2));

	for (int i = 0;i < imageHeight;i++)
	{
		for (int j = 0 ; j < imageWidth; j++)
		{
			erodeBuffer[(i+1)*(imageWidth+2)+j+1] = imageBuffer[i*imageWidth + j];
		}
	}

	uchar *srcImage = erodeBuffer;

	for (int i = 0;i < imageWidth; i++)
	{
		for (int j = 0;j < imageHeight;j++)
		{
			uchar tempNum = 255;

			srcImage = (erodeBuffer + (i*(imageWidth +2)+j));
			for (int m = 0;m<3;m++)
			{
				for (int n = 0; n < 3;n++)
				{
					if (tempNum > srcImage[n])
					{
						tempNum = srcImage[n];
					}
				}
				srcImage = (srcImage + m*(imageWidth +2));
			}

			outBuffer[i*imageWidth +j] = tempNum;
		}
	}
}

开闭运算、顶帽黑帽运算

开运算、顶帽运算就是利用图像的腐蚀膨胀进行操作
开运算 ：先腐蚀再膨胀。
顶帽运算：原图像减去开运算图像
开运算、顶帽运算代码（闭运算、黑帽运算类似）：

#include <stdio.h>
#include <stdlib.h>
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

void dilatetest(uchar *imageBuffer,uchar *outBuffer,int imageWidth,int imageHeight);  //声明膨胀函数
void erodetest(uchar *imageBuffer,uchar *outBuffer,int imageWidth,int imageHeight);  //声明腐蚀函数
int main()  
{  
 
	cv::Mat img;
        img = cv::imread("lena.jpg");  
	cv::cvtColor(img,img,cv::COLOR_BGR2GRAY);  //读取图片转化为灰度图
	int imageWidth = img.cols;
	int imageHeight = img.rows;  //读取图片行列数
	cv::imshow("src",img);
        cv::Mat img2=img.clone();
	uchar * imageBuffer = (uchar *) malloc(imageHeight * imageWidth);  //开辟空间
	memset(imageBuffer,0,imageHeight * imageWidth);  //赋初值0
                //遍历图像每个像素，将图像的像素值保存在imageBuffer数组
		for (int i = 0; i< imageHeight; i++)  
		{
			for (int j = 0; j < imageWidth;j++)
			{
				imageBuffer[i*imageWidth + j] =  img.at<uchar>(i,j);
			}
		}
                //开运算
                erodetest(imageBuffer,imageBuffer,imageWidth,imageHeight);  //先腐蚀
                dilatetest(imageBuffer,imageBuffer,imageWidth,imageHeight);  //再膨胀
		//将imageBuffer数组里的值替换图像对应点的像素
                for (int i = 0; i< imageHeight; i++)
		{
			for (int j = 0; j < imageWidth;j++)
			{
				img.at<uchar>(i,j) = imageBuffer[i*imageWidth + j];
			}
		}

        img2=img2-img;  //TopHat=src-open
        cv::Mat copyImage;
        cv::imshow("open",img);
        cv::imshow("Top-Hat",img2);
	cv::waitKey(100000);  
}  

//膨胀定义
void dilatetest(uchar *imageBuffer,uchar *outBuffer,int imageWidth,int imageHeight)
{
	uchar *dilateBuffer = (uchar *)malloc((imageWidth+2)*(2+imageHeight));   //开辟空间 （扩展边界便于处理原图像边界）
	memset(dilateBuffer,0,(imageHeight+2)*(imageWidth+2));

	for (int i = 0;i < imageHeight;i++)  //读取img的值,跳过边界点。
	{
		for (int j = 0 ; j < imageWidth; j++)
		{
		     dilateBuffer[(i+1)*(imageWidth+2)+j+1] = imageBuffer[i*imageWidth + j]; 
         	}
	}
        /*以rows=cols=3为例 imageBuffer为[123456789] dilateBuffer为[0000001230045600789000000]*/ 

	uchar *srcImage = dilateBuffer;  

	for (int i = 0;i < imageWidth; i++)
	{
		for (int j = 0;j < imageHeight;j++)
		{
			uchar MaxNum = 0;

			srcImage = (dilateBuffer + (i*(imageWidth +2)+j));  //实现锚点的遍历
			for (int m = 0;m<3;m++)  //3x3的内核
			{
				for (int n = 0; n < 3;n++)
				{
					if (MaxNum < srcImage[n])  //将内核中最大的像素值提取
					{
						MaxNum = srcImage[n];
					}
				}
				srcImage = (srcImage + m*(imageWidth +2)); //跳到内核下一行
			}

			outBuffer[i*imageWidth +j] = MaxNum; //将锚点的值付给一个动态内存空间
		}
	}
}
//腐蚀定义  定义与膨胀雷同 区别是提取最小像素值
void erodetest(uchar *imageBuffer,uchar *outBuffer,int imageWidth,int imageHeight)
{
	uchar *erodeBuffer = (uchar *)malloc((imageWidth+2)*(2+imageHeight));
	memset(erodeBuffer,255,(imageHeight+2)*(imageWidth+2));

	for (int i = 0;i < imageHeight;i++)
	{
		for (int j = 0 ; j < imageWidth; j++)
		{
			erodeBuffer[(i+1)*(imageWidth+2)+j+1] = imageBuffer[i*imageWidth + j];
		}
	}

	uchar *srcImage = erodeBuffer;

	for (int i = 0;i < imageWidth; i++)
	{
		for (int j = 0;j < imageHeight;j++)
		{
			uchar tempNum = 255;

			srcImage = (erodeBuffer + (i*(imageWidth +2)+j));
			for (int m = 0;m<3;m++)
			{
				for (int n = 0; n < 3;n++)
				{
					if (tempNum > srcImage[n])
					{
						tempNum = srcImage[n];
					}
				}
				srcImage = (srcImage + m*(imageWidth +2));
			}

			outBuffer[i*imageWidth +j] = tempNum;
		}
	}
}

粒度测定

opencv里有一个很好的函数morphologyEx，我们只要往这个函数传相应的处理参数，就可以进行相应结构元素的操作了，使用起来非常方便。
morphologyEx() 函数的使用参考下面这个文章：
opencv形态学操作函数morphologyEx
在这里插入图片描述
opencv中 getStructuringElement()函数可用于构造一个特定大小和形状的结构元素，用于图像形态学处理。
介绍如下：
opencv之getStructuringElement()函数

代码如下：

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <stdio.h>
#include <iostream>
using namespace cv;
using namespace std;
Mat src, dst;
int element_size = 3;
int max_size = 40;
char OUTPUT_WIN[] = "output image";
void CallBack_demo(int, void*);

int main( )
{
       Mat image = imread("1.tif");       
       int sum[36];
       int mus[36];
 
        for(int n=3;n<40;n++)
       {
       Mat image1 = image.clone();
       Mat element = getStructuringElement(MORPH_ELLIPSE, Size(n*2+1, n*2+1));   
       morphologyEx(image1,image1, MORPH_OPEN, element);       
       sum[n-3]=cv::sum(image1).val[0];
        }
       //读取点 
       std::vector<cv::Point> points;
       for(int m = 0;m<37;m++)
       {
               mus[m]=sum[m]-sum[m+1];
               int n;
               n=480-mus[m]/10000-50;
               points.push_back(cv::Point(20*m, n));               
       }
         //for(int x= 1; x < 37; x ++)  可以输出数据 再通过excel作图
         //{cout<< mus[x] << endl;} 
        src = imread("1.tif");
        if (!src.data) {
		printf("cloud not load image");
		return -1;
	}
	imshow("原图", src);
	namedWindow(OUTPUT_WIN, WINDOW_AUTOSIZE);
	createTrackbar("Element size", OUTPUT_WIN, &element_size, max_size, CallBack_demo);
	CallBack_demo(0, 0);
       	//创建用于绘制的深蓝色背景图像
	cv::Mat imagep = cv::Mat::zeros(480, 640, CV_8UC3);
	imagep.setTo(cv::Scalar(100, 0, 0));
  
	for (int i = 0; i < points.size(); i++)
	{
		cv::circle(imagep, points[i], 5, cv::Scalar(0, 0, 255), 2, 8, 0);
	}
	//绘制折线
	cv::polylines(imagep, points, false, cv::Scalar(0, 255, 0), 1, 8, 0);
	cv::Mat A;
	cv::imshow("image", imagep);
       waitKey(0);  
       return 0; 
}


void CallBack_demo(int, void*)
{ 
		int s = element_size * 2 + 1;
		Mat Element = getStructuringElement(MORPH_ELLIPSE, Size(s, s));
		//膨胀
		//dilate(src, dst, structrueElement, Point(0, 0), 1);
		//腐蚀
		//erode(src, dst, Element);
        morphologyEx(src,dst, MORPH_OPEN, Element);
		imshow(OUTPUT_WIN, dst);
		return;
}

这里添加了一个结构元素动态调整的功能，便于观察图像的变化。
实现功能的函数是：createTrackbar（）、CallBack_demo（）.

形态学重建

代码：

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <stdio.h>
using namespace cv;
using namespace std;
void Reconstruct(Mat marker, Mat mask, Mat& dst,int n);
int main( )
{
       //载入原始图         
       Mat src = imread("1.tif");        
       Mat msk = src.clone();
       Mat dst;
       Mat temp3;
       Mat element = getStructuringElement(MORPH_CROSS, Size(1, 71));
       erode(src, dst, element);  //先腐蚀
       Reconstruct(dst, msk, dst,71); //开运算重建
       Mat temp4;
       Mat temp5;      
       temp4=src-dst;   //顶帽重建
       morphologyEx(src,temp3, MORPH_OPEN, element); //对原图开运算
       temp5=src-temp3; //顶帽运算
       Mat element1 = getStructuringElement(MORPH_CROSS, Size(1, 11));
       Mat temp6;
       Mat temp7=temp5.clone();
       erode(temp7, temp6, element1);  //腐蚀
       Reconstruct(temp6, temp7, temp6,11); //重建
       imshow("reopen",dst);
       imshow("open",temp3);
       imshow("reTopHat",temp4);
       imshow("TopHat",temp5);
       imshow("reopenTOP",temp6);
       waitKey(0);  
}
//重建
void Reconstruct(Mat marker, Mat mask, Mat& dst,int n) 
{ 
    Mat se=getStructuringElement(MORPH_RECT,Size(1,n));   //定义内核
    Mat tmp1(marker.size(), marker.type()), tmp2(marker.size(), marker.type()); 
    cv::min(marker, mask, dst);   //将marker mask 图像中较小的输入到dst中
    do { 
        dst.copyTo(tmp1);  
        dilate(dst, mask, se);  //膨胀
        cv::min(marker, mask, dst);  
        tmp2=abs(tmp1-dst); //做差取绝对值
    } while (sum(tmp2).val[0] != 0);  //判断像素和
}

这个程序有一些问题，运行的结果有一些失真，需要优化重建函数。

运行结果

膨胀腐蚀

膨胀

膨胀图像

腐蚀

腐蚀图像

扫描二维码关注公众号，回复： 5939740 查看本文章

开运算、顶帽运算

开运算

在这里插入图片描述

顶帽运算

在这里插入图片描述

粒度测定

原图

可以看出图中有许多圆形的钉子
在这里插入图片描述

粒度测定

图中的拉条可以动态调整结构元素element的大小，便于观察图像的变化过程。
在这里插入图片描述

粒度测定，element=19:

当element的大小为19时，图中的小钉子已经基本消失
在这里插入图片描述

粒度测定，element=30:

当element的大小为30时，图中的大钉子也已经消失

在这里插入图片描述

粒度测定，折线图:

通过绘制相邻像素差的与折线图，可以清晰的看到两个峰值，也就说明原图中有2种大小的钉子，且钉子的尺寸对应相应峰值点的element的大小。
在这里插入图片描述

参考

[1]https://blog.csdn.net/whchang8/article/details/56834608
[2]https://blog.csdn.net/lhm_19960601/article/details/82560560

猜你喜欢

转载自blog.csdn.net/qq_41770561/article/details/89377078
今日推荐
火速冲上 GitHub 热榜 —— 开源编程语言、框架哪有这么可爱？
北京人形机器人创新中心发布全球首个纯电驱拟人奔跑的全尺寸人形机器人“天工”
LFOSSA 源来如此公开课 | 掌握云原生未来：CNCF 认证全面攻略与备考秘籍
国产云输入法——仅华为无云端数据上传安全问题
开源日报 | 工业开源项目OGG 1.0；姐姐，你要和我一起配置火狐吗；苹果AI遥遥落后？Fedora 40
开放签电子签章：停止新增，优化体验，前进更进（五一假期前工作）
开源日报 | 中学生开源前端动画引擎；全球首个Llama3 8B中文版开源模型；联想电脑恐出局；Linus讽刺AI炒作
周排行
浏览器对同一域名进行请求的最大并发连接数
React Hook之自定义Hook
【转】MyBatis缓存机制
-Java-泛型
自动化测试常用脚本-发送邮件
LeetCode#859: Buddy Strings
java、Python处理字符串
第二篇の博客
Hadoop伪分布式环境安装
SQL Server进阶（十一）临时表、表变量
每日归档
更多
2024-04-27(56)
2024-04-26(39)
2024-04-25(22)
2024-04-24(36)
2024-04-23(26)
2024-04-22(39)
2024-04-21(0)
2024-04-20(6)
2024-04-19(5)
2024-04-18(0)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022