OpenCV學(xué)習(xí)筆記（八）：形態(tài)學(xué)morpholgy(2)：開、閉運算，形態(tài)學(xué)梯度、頂帽、黑帽：morphologyEx()

數(shù)學(xué)形態(tài)學(xué)（Mathematical morphology） 是一門建立在格論和拓?fù)鋵W(xué)基礎(chǔ)之上的圖像分析學(xué)科，是數(shù)學(xué)形態(tài)學(xué)圖像處理的基本理論。其基本的運算包括：二值腐蝕和膨脹、二值開閉運算、骨架抽取、極限腐蝕、擊中擊不中變換、形態(tài)學(xué)梯度、Top-hat變換、顆粒分析、流域變換、灰值腐蝕和膨脹、灰值開閉運算、灰值形態(tài)學(xué)梯度等。

一、開運算（Opening Operation）

其實就是先腐蝕后膨脹的過程：

開運算可以用來消除小物體、在纖細(xì)點處分離物體、平滑較大物體的邊界的同時并不明顯改變其面積。

二、閉運算(Closing Operation)

先膨脹后腐蝕的過程：

閉運算能夠排除小型黑洞(黑色區(qū)域)，可以將團塊的邊緣突出出來。

三、形態(tài)學(xué)梯度（Morphological Gradient）

膨脹圖與腐蝕圖之差：

對二值圖像進(jìn)行這一操作可以將團塊（blob）的邊緣突出出來。我們可以用形態(tài)學(xué)梯度來保留物體的邊緣輪廓。

四、頂帽（Top Hat）

頂帽運算（Top Hat）又常常被譯為”禮帽“運算，源圖與“開運算圖“之差：

因為開運算帶來的結(jié)果是放大了裂縫或者局部低亮度的區(qū)域，因此，從原圖中減去開運算后的圖，得到的效果圖突出了比原圖輪廓周圍的區(qū)域更明亮的區(qū)域，所以頂帽運算往往用來分離比鄰近點亮一些的斑塊。當(dāng)一幅圖像具有大幅的背景的時候，而微小物品比較有規(guī)律的情況下，可以使用頂帽運算進(jìn)行背景提取。

五、黑帽（Black Hat）

為”閉運算“的結(jié)果圖與原圖像之差：

黑帽運算后的效果圖突出了比原圖輪廓周圍的區(qū)域更暗的區(qū)域，黑帽運算用來分離比鄰近點暗一些的斑塊。

六、morphologyEx函數(shù)詳解:

C++: void morphologyEx( InputArray src, OutputArray dst, int op, InputArraykernel, Pointanchor=Point(-1,-1), intiterations=1, intborderType=BORDER_CONSTANT, constScalar& borderValue=morphologyDefaultBorderValue() );

第一個參數(shù)，InputArray類型的src，輸入圖像，即源圖像，(CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F)。
第二個參數(shù)，OutputArray類型的dst，即目標(biāo)圖像。
第三個參數(shù)，int類型的op，表示形態(tài)學(xué)運算的類型：

MORPH_OPEN – 開運算（Opening operation） MORPH_CLOSE – 閉運算（Closing operation） MORPH_GRADIENT -形態(tài)學(xué)梯度（Morphological gradient） MORPH_TOPHAT - “頂帽”（“Top hat”） MORPH_BLACKHAT - “黑帽”（“Black hat“）

第五個參數(shù)，Point類型的anchor，錨的位置，其有默認(rèn)值（-1，-1），表示錨位于中心。
第六個參數(shù)，int類型的iterations，迭代使用函數(shù)的次數(shù)，默認(rèn)值為1。
第七個參數(shù)，int類型的borderType，用于推斷圖像外部像素的某種邊界模式。注意它有默認(rèn)值BORDER_ CONSTANT。
第八個參數(shù)，const Scalar&類型的borderValue，當(dāng)邊界為常數(shù)時的邊界值，有默認(rèn)值morphologyDefaultBorderValue()，一般我們不用去管他。需要用到它時，可以看官方文檔中的createMorphologyFilter()函數(shù)得到更詳細(xì)的解釋。

getStructuringElement函數(shù)相關(guān)的調(diào)用示例代碼如下

//結(jié)構(gòu)元素(內(nèi)核矩陣)的尺寸 int g_nStructElementSize = 3;//獲取自定義核 Mat element =getStructuringElement(MORPH_RECT,Size(2*g_nStructElementSize+1,2*g_nStructElementSize+1),Point(g_nStructElementSize, g_nStructElementSize ));

第一個參數(shù)表示內(nèi)核的形狀，我們可以選擇如下三種形狀之一

矩形: MORPH_RECT 交叉形: MORPH_CROSS 橢圓形: MORPH_ELLIPSE

第二和第三個參數(shù)分別是內(nèi)核的尺寸以及錨點的位置,對于錨點的位置，有默認(rèn)值Point(-1,-1)，表示錨點位于中心

六、示例代碼:

#include <opencv2/opencv.hpp>using namespace cv; using namespace std;Mat g_srcImage, g_dstImage; //原始圖和效果圖 int g_nElementShape = MORPH_RECT; //元素結(jié)構(gòu)的形狀//變量接收的TrackBar位置參數(shù) int g_nMaxIterationNum = 10; // 最大方向值 int g_nOpenCloseNum = 0; // 開閉/運算內(nèi)核值 int g_nTopBlackHatNum = 0; // 頂帽/黑帽內(nèi)核值int main(int argc, char *argv[]) {QCoreApplication a(argc, argv);// 1、載入原圖g_srcImage = imread("F:/C++/2. OPENCV 3.1.0/TEST/綜合.png");if( !g_srcImage.data ) { printf("Oh，no，讀取srcImage錯誤~！ \n"); return false; }// 2、顯示原始圖namedWindow("【原始圖】");imshow("【原始圖】", g_srcImage);// 3、創(chuàng)建窗口namedWindow("【開運算/閉運算】",1);namedWindow("【頂帽/黑帽】",1);// 4、參數(shù)賦值g_nOpenCloseNum=9;g_nTopBlackHatNum=10;// 5、分別為二個窗口創(chuàng)建滾動條createTrackbar("迭代值", "【開運算/閉運算】",&g_nOpenCloseNum,g_nMaxIterationNum*2+1,on_OpenClose);createTrackbar("迭代值", "【頂帽/黑帽】",&g_nTopBlackHatNum,g_nMaxIterationNum*2+1,on_TopBlackHat);// 6、輪詢獲取按鍵信息while(1){//執(zhí)行回調(diào)函數(shù)on_OpenClose(g_nOpenCloseNum, 0);on_TopBlackHat(g_nTopBlackHatNum,0);//獲取按鍵int c = waitKey(0);//按下鍵盤按鍵Q或者ESC，程序退出if( (char)c == 'q'||(char)c == 27 )break;//按下鍵盤按鍵1，使用橢圓(Elliptic)結(jié)構(gòu)元素結(jié)構(gòu)元素MORPH_ELLIPSEif( (char)c == 49 )//鍵盤按鍵1的ASII碼為49g_nElementShape = MORPH_ELLIPSE;//按下鍵盤按鍵2，使用矩形(Rectangle)結(jié)構(gòu)元素MORPH_RECTelse if( (char)c == 50 )//鍵盤按鍵2的ASII碼為50g_nElementShape = MORPH_RECT;//按下鍵盤按鍵3，使用十字形(Cross-shaped)結(jié)構(gòu)元素MORPH_CROSSelse if( (char)c == 51 )//鍵盤按鍵3的ASII碼為51g_nElementShape = MORPH_CROSS;//按下鍵盤按鍵space，在矩形、橢圓、十字形結(jié)構(gòu)元素中循環(huán)else if( (char)c == ' ' )g_nElementShape = (g_nElementShape + 1) % 3;}return a.exec(); }

1）開運算/閉運算 回調(diào)函數(shù)

static void on_OpenClose(int, void*) {//偏移量的定義int offset = g_nOpenCloseNum - g_nMaxIterationNum; //偏移量int Absolute_offset = offset > 0 ? offset : -offset;//偏移量絕對值//自定義核Mat element = getStructuringElement(g_nElementShape, Size(Absolute_offset*2+1, Absolute_offset*2+1), Point(Absolute_offset, Absolute_offset) );//進(jìn)行操作if( offset < 0 )// 偏移量小于0 時，開運算morphologyEx(g_srcImage, g_dstImage, MORPH_OPEN, element);else if (offset == 0)g_srcImage.copyTo(g_dstImage);else// 偏移量大于0 時，閉運算morphologyEx(g_srcImage, g_dstImage, MORPH_CLOSE, element);//顯示圖像imshow("【開運算/閉運算】",g_dstImage); }

2）頂帽運算/黑帽運算 回調(diào)函數(shù)

static void on_TopBlackHat(int, void*) {//偏移量的定義int offset = g_nTopBlackHatNum - g_nMaxIterationNum;//偏移量int Absolute_offset = offset > 0 ? offset : -offset;//偏移量絕對值//自定義核Mat element = getStructuringElement(g_nElementShape, Size(Absolute_offset*2+1, Absolute_offset*2+1), Point(-1, -1) );//進(jìn)行操作if( offset < 0 )morphologyEx(g_srcImage, g_dstImage, MORPH_TOPHAT , element);else if (offset == 0)g_srcImage.copyTo(g_dstImage);elsemorphologyEx(g_srcImage, g_dstImage, MORPH_BLACKHAT, element);//顯示圖像imshow("【頂帽/黑帽】",g_dstImage); }

結(jié)果：
MORPH_ELLIPSE


MORPH_RECT


MORPH_CROSS

總結(jié)

以上是生活随笔為你收集整理的OpenCV学习笔记（八）：形态学morpholgy(2)：开/闭运算，形态学梯度、顶帽/黑帽morphologyEx()的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。