【 imgproc 模組. 影象處理】形態學變化
一、更多的形態學變化
包括開運算 (Opening)、閉運算 (Closing)、形態梯度 (Morphological Gradient)、頂帽 (Top Hat)、黑帽(Black Hat)。具體可參考《數字影象處理 第三版》(岡薩雷斯)——第九章 形態學影象處理。注:具體原理都是一些數學計算公式、方法,目前只大概瞭解,後面可具體研讀。
二、開運算
(1)教程中的解釋:
-
開運算是通過先對影象腐蝕再膨脹實現的。
-
能夠排除小團塊物體(假設物體較背景明亮)
-
請看下面,左圖是原影象,右圖是採用開運算轉換之後的結果圖。 觀察發現字母拐彎處的白色空間消失。
(2)資料整理
開運算和閉運算都由腐蝕和膨脹複合而成, 開運算是先腐蝕後膨脹, 而閉運算是先膨脹後腐蝕。膨脹:亮區擴大;腐蝕:亮區縮小。
一般來說, 開運算可以使影象的輪廓變得光滑, 還能使狹窄的連線斷開和消除細毛刺。
如圖8.11所示, 開運算斷開了團中兩個小區域間兩個畫素寬的連線〈斷開了狹窄連線〉,並且去除了右側物體上部突出的一個小於結構元素的2×2的區域〈去除細小毛刺〉: 但與腐蝕不同的是, 影象大的輪廓並沒有發生整體的收縮, 物體位置也沒有發生任何變化。
(3)opencv程式碼實現
#include"stdafx.h" #include<opencv2/opencv.hpp> int open_value = 0; int open_max = 5; int morph_elem = 0; int max_elem = 2; cv::Mat src,dst; void openOperator(int,void*); int main(int argc, char** argv) { src = cv::imread("lena512color.tiff"); if (src.empty()) { printf("Image load failed..."); return -1; } cv::namedWindow("src", CV_WINDOW_NORMAL); cv::createTrackbar("Opening_value:","src", &open_value, open_max, openOperator); cv::createTrackbar("Element:\n 0: Rect - 1: Cross - 2: Ellipse", "src",&morph_elem, max_elem,openOperator); openOperator(0, 0); //這句註釋掉時,剛開始執行時若不移動滑動條則圖片不會顯示 cvWaitKey(0); return 0; } void openOperator(int, void*) { /*getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1)); @用法:返回一個特定形狀(shape),大小(size),及錨點(anchor)的核,錨點為(-1,-1)時預設為中心 @引數:int shape MORPH_RECT = 0, MORPH_CROSS = 1, MORPH_ELLIPSE = 2 */ cv::Mat element = cv::getStructuringElement(morph_elem, cv::Size(2 * open_value + 1, 2 * open_value + 1), cv::Point(open_value, open_value)); morphologyEx(src, dst, cv::MORPH_OPEN, element);//element 為輸入的結構元,用於卷積的矩陣 /*@API: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() ); @用法: @引數:op形態學操作型別 MORPH_ERODE = 0, MORPH_DILATE = 1, MORPH_OPEN = 2, MORPH_CLOSE = 3, MORPH_GRADIENT = 4, MORPH_TOPHAT = 5, MORPH_BLACKHAT = 6, MORPH_HITMISS = 7 @引數:InputArray kernel,用於進行形態學操作的核,可以用getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1));獲取 @引數:anchor,錨點,核的錨點位置,預設(-1,-1)則為中心 @引數:iterations,腐蝕、膨脹次數次數 @引數:borderType,引數外推方法, ...具體用到再查*/ cv::imshow("src", dst); }
二、閉運算
(1)教程中的解釋:
-
閉運算是通過先對影象膨脹再腐蝕實現的。
能夠排除小型黑洞(黑色區域)。
(2)相關資料整理:
閉運算同樣可以使輪廓變得光滑, 但與開運算相反, 它通常能夠彌合狹窄的間斷, 填充小的孔洞。
(3)opencv實現程式碼:類似開運算
三、形態梯度
-
膨脹圖與腐蝕圖之差
-
能夠保留物體的邊緣輪廓,如下所示:
四、頂帽
- 原影象與開運算結果圖之差
五、黑帽
-
閉運算結果圖與原影象之差
六、測試程式碼(官方)
#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #include <stdlib.h> #include <stdio.h> using namespace cv; /// 全域性變數 Mat src, dst; int morph_elem = 0; int morph_size = 0; int morph_operator = 0; int const max_operator = 4; int const max_elem = 2; int const max_kernel_size = 21; char* window_name = "Morphology Transformations Demo"; /** 回撥函式申明 */ void Morphology_Operations( int, void* ); /** @函式 main */ int main( int argc, char** argv ) { /// 裝載影象 src = imread( argv[1] ); if( !src.data ) { return -1; } /// 建立顯示視窗 namedWindow( window_name, CV_WINDOW_AUTOSIZE ); /// 建立選擇具體操作的 trackbar createTrackbar("Operator:\n 0: Opening - 1: Closing \n 2: Gradient - 3: Top Hat \n 4: Black Hat", window_name, &morph_operator, max_operator, Morphology_Operations ); /// 建立選擇核心形狀的 trackbar createTrackbar( "Element:\n 0: Rect - 1: Cross - 2: Ellipse", window_name, &morph_elem, max_elem, Morphology_Operations ); /// 建立選擇核心大小的 trackbar createTrackbar( "Kernel size:\n 2n +1", window_name, &morph_size, max_kernel_size, Morphology_Operations ); /// 啟動使用預設值 Morphology_Operations( 0, 0 ); waitKey(0); return 0; } /** * @函式 Morphology_Operations */ void Morphology_Operations( int, void* ) { // 由於 MORPH_X的取值範圍是: 2,3,4,5 和 6 int operation = morph_operator + 2; Mat element = getStructuringElement( morph_elem, Size( 2*morph_size + 1, 2*morph_size+1 ), Point( morph_size, morph_size ) ); /// 執行指定形態學操作 morphologyEx( src, dst, operation, element ); imshow( window_name, dst ); }