OpenCV开发笔记(六十六):红胖子8分钟带你总结形态学操作-膨胀、腐蚀、开运算、闭运算、梯度、顶帽、黑帽

若该文为原创文章,未经允许不得转载
原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客导航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/107106565
红胖子(红模仿)的博文大全:开发技术集合(包含Qt实用技术、树莓派、三维、OpenCV、OpenGL、ffmpeg、OSG、单片机、软硬结合等等)持续更新中…(点击传送门)

Qt开发专栏:项目实战(点击传送门)

OpenCV开发专栏(点击传送门)

上一篇:《OpenCV开发笔记(六十五):红胖子8分钟带你深入了解ORB特征点(图文并茂+浅显易懂+程序源码)
下一篇:持续补充中…


前言

  红胖子,来也!
  opencv之前讲解了各种形态学操作,使用了形态学对应的函数,除此之外,opencv在形态学上还提供了专门的函数处理,一个函数搞定所有,当然就不能实现自定义的一些算法,如3次膨胀,2次腐蚀了(之前的开、闭运算demo提供了这种操作)。


Demo

  在这里插入图片描述
  在这里插入图片描述
  在这里插入图片描述

形态学

  图像处理中的形态学,指数字形态学。
  数学形态学是数学形态学图像处理的基本理论,其基本的运算包括:二值腐蚀和膨胀、二值开源算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、合理分析、流域变换、灰值腐蚀和膨胀、灰值开运算、灰值形态学梯度。
  形态学操作就是基于形状的一系列图像处理操作,OpenCV为进行图像的形态学变换提供了快捷、方便的函数。除了之前讲解的单个操作的函数外,OpenCV还为我们提供了一个形态学专有函数,通过枚举来进行不同的操作。

膨胀

  膨胀(dilate)是求局部最大值的操作,从数据角度来说,膨胀是将图像与核进行卷积,实现了对目标像素点进行扩展的目的。
  《OpenCV开发笔记(二十一):算法基础之形态学滤波-膨胀

腐蚀

  腐蚀(delate)与膨胀(ercode)是一对相反的操作,膨胀是求局部最大值的操作,那么膨胀就是求局部最小值的操作。
  《OpenCV开发笔记(二十二):算法基础之形态学滤波-腐蚀

开运算

  开运算(Opening Operation)就是先腐蚀后膨胀的过程。、
  开运算可以用来消除小物体,在纤细点处分离物体,并且在平滑较大物体的边界的同时不明显改变其面积(去除噪声及平滑目标边界)。
  《OpenCV开发笔记(二十三):算法基础之形态学滤波-开运算(先腐蚀后膨胀)

闭运算

  闭运算(Closing Operation)就是先膨胀后腐蚀的过程。、
  闭运算可以用拟合小裂缝,消除小型黑洞,并且在平滑较大物体的边界的同时不明显改变其面积。
  闭运算能填充目标区域内的离散小空洞和分散部分。
  《OpenCV开发笔记(二十四):算法基础之形态学滤波-闭运算(先膨胀后腐蚀)

形态学梯度

  形态学梯度(Morphological Gradient)是膨胀(被减数)和腐蚀(减数)的差别,结果看上去就像前景物体的轮廓。
  形态学梯度可以保留物体的边缘轮廓。
  《OpenCV开发笔记(二十五):算法基础之形态学滤波-形态学梯度

顶帽(礼帽)

  顶帽运算(Top Hat)又称作“礼帽”运算,是原图像(减数)与“开运算”(被减数)的结果图之差。
开运算带来的结果是放大了裂缝或者局部降低亮度的区域。因此,从原图中减去开运算后的图,得到的效果突出了比原图轮廓周围的区域更明亮的区域,且这一操作与选择的核的大小相关。
顶帽运算往往用来分离比邻近点亮一些的斑块。在一幅图像具有大幅的背景,而微小物品比较有规律的情况下,可以使用顶帽运算进行背景提取。
  《OpenCV开发笔记(二十六):算法基础之形态学滤波-顶帽(礼帽)

黑帽

  黑帽(Black Hat)运算是闭运算(被减数)的结果图与原图像(减数)之差。
  黑帽运算后的效果突出了比原图轮过周围的区域更暗的区域,且这一操作和选择的核大小相关。
  所以与顶帽操作相反,黑帽操作是用来分离比邻近点暗一些的斑块,效果图有着非常完美的轮廓。
  《OpenCV开发笔记(二十七):算法基础之形态学滤波-黑帽
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/107106565

形态学函数原型

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() );
  • 参数一:InputArray类型,一般是cv::Mat,通道数是任意的,但是深度必须为CV_8U、CV_16U、CV_16S、CV_32F或CV_64F;
  • 参数二;OutputArray类型,输出的目标图像,和原图像有一样的尺寸和类型;
  • 参数三;int类型的op,表示形态学计算的操作类型,如下图:

  在这里插入图片描述

  • 参数四:用于操作的内核结构元素;如果elemenat=Mat(),则为3 x 3矩形使用结构化元素。内核可以使用getStructuringElement创建;
  • 参数五:元素中锚点的锚点位置;默认值(-1,-1)表示锚定在构件中心
  • 参数六:迭代次数表示执行的次数,这里要注意开运算和闭运算,默认值为1。特别注意:假设开运算计算2次,则erode->erode->dilate->dilate而不是erode->dilate->erode-> dilate。默认值为1。
  • 参数七:int类型的borderType,用于推断图像外部像素的某种边界模式,使用默认值BORDER_CONSTANT,一般无需设置;

  在这里插入图片描述

  • 参数八:如果边界为常量,则边界值为borderValue。
Mat getStructuringElement(int shape,
                          Size ksize,
                          Point anchor = Point(-1,-1));
  • 参数一:元素形状,可以是MORPH_RECT、MORPH_CROSS和MORPH_ELLIPSE;
  • 参数二:ksize结构元素的大小,必须大于等于1;
  • 参数三:元件内的锚定位置。默认值Point(-1,-1)表示锚在中间(注意,只有十字形构件的形状取决于锚位置。在其他情况下,锚只是调节形态的结果操作转移);


Demo源码

void OpenCVManager::testMorphologyEx()
{
    QString fileName1 = "3.jpg";
    cv::Mat srcMat = cv::imread(fileName1.toStdString());

    cv::resize(srcMat, srcMat, cv::Size(400, 300));

    cv::String windowName = _windowTitle.toStdString();
    cvui::init(windowName);

    if(!srcMat.data)
    {
        qDebug() << __FILE__ << __LINE__
                 << "Failed to load image:" << fileName1;
        return;
    }

    cv::Mat dstMat;
    dstMat = cv::Mat::zeros(srcMat.size(), srcMat.type());
    cv::Mat windowMat = cv::Mat(cv::Size(dstMat.cols * 2, dstMat.rows * 2),
                                srcMat.type());
    int operate =0;
    int share = 0;
    int ksize = 3;
    int iterations = 1;
    int x = -1;
    int y = -1;
    while(true)
    {
        windowMat = cv::Scalar(0, 0, 0);
        // 原图先copy到左边
        cv::Mat leftMat = windowMat(cv::Range(0, srcMat.rows),
                                    cv::Range(0, srcMat.cols));
        cv::addWeighted(leftMat, 1.0f, srcMat, 1.0f, 0.0f, leftMat);

        // 形状
        cvui::printf(windowMat, 400 * 1 + 100, 40 + 300 * 0, "operate");
        cvui::trackbar(windowMat, 400 * 1 + 100, 60 + 300 * 0, 200, &operate, 0, 6);

        std::string optStr = "";
        switch (operate) {
        case 0:
            optStr = "MORPH_ERODE";
            break;
        case 1:
            optStr = "MORPH_DILATE";
            break;
        case 2:
            optStr = "MORPH_OPEN";
            break;
        case 3:
            optStr = "MORPH_CLOSE";
            break;
        case 4:
            optStr = "MORPH_GRADIENT";
            break;
        case 5:
            optStr = "MORPH_TOPHAT";
            break;
        case 6:
            optStr = "MORPH_BLACKHAT";
            break;
        default:
            optStr = "ERROR";
            break;
        }
        cvui::printf(windowMat, 400 * 1 + 100, 120 + 300 * 0, optStr.c_str());


        cvui::window(windowMat, dstMat.cols * 1, dstMat.rows * 1, dstMat.cols, dstMat.rows, "kernel");
        // 形状
        cvui::printf(windowMat, 400 * 1 + 100, 40 + 300, "share");
        cvui::trackbar(windowMat, 400 * 1 + 100, 60 + 300, 200, &share, 0, 2);

        std::string s;
        switch (share) {
        case 0:
            s = "MORPH_RECT";
            break;
        case 1:
            s = "MORPH_CROSS";
            break;
        case 2:
            s = "MORPH_ELLIPSE";
            break;
        default:
            break;
        }
        cvui::printf(windowMat, 400 * 1 + 100, 120 + 300, s.c_str());

        // 内核大小
        cvui::printf(windowMat, 400 * 1 + 100, 140 + 300, "ksize");
        cvui::trackbar(windowMat, 400 * 1 + 100, 160 + 300, 200, &ksize, 1, 10);

        // 定位点
        cvui::printf(windowMat, 400 * 1 + 20, 150 + 300 * 0, "Point.X");
        cvui::trackbar(windowMat, 400 * 1 + 10, 170 + 300 * 0, 150, &x, -1, ksize-1);
        cvui::printf(windowMat, 400 * 1 + 210, 150 + 300 * 0, "Point.Y");
        cvui::trackbar(windowMat, 400 * 1 + 200, 170 + 300 * 0, 150, &y, -1, ksize-1);

        // 迭代次数
        cvui::printf(windowMat, 400 * 1 + 100, 220 + 300 * 0, "iterations");
        cvui::trackbar(windowMat, 400 * 1 + 100, 240 + 300 * 0, 200, &iterations, 0, 10);

        cv::morphologyEx(srcMat,
                         dstMat,
                         operate,
                         cv::getStructuringElement(share, cv::Size(ksize, ksize)),
                         cv::Point(x, y),
                         iterations);

        cv::Mat centerMat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
                                      cv::Range(srcMat.cols * 0, srcMat.cols * 1));
        cv::addWeighted(centerMat, 0, dstMat, 1.0f, 0, centerMat);
        // 更新
        cvui::update();
        // 显示
        cv::imshow(windowName, windowMat);
        // esc键退出
        if(cv::waitKey(25) == 27)
        {
            break;
        }
    }
}


工程模板:对应版本号v1.60.0

  对应版本号v1.60.0


上一篇:《OpenCV开发笔记(六十五):红胖子8分钟带你深入了解ORB特征点(图文并茂+浅显易懂+程序源码)
下一篇:持续补充中…


原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客导航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/107106565

阅读 382

推荐阅读