Opencv2.4学习：：形态学处理（三）形态学梯度、顶帽、黑帽

形态学处理（三）

---

1、腐蚀、膨胀操作

2、开运算、闭运算

3、形态学梯度、顶帽、黑帽

---

形态学梯度

形态学梯度实为膨胀图与腐蚀图之差。

作用：

• 突出高亮区域的外围
• 为轮廓查找提供新思路

测试代码：

#include
#include
#include
#include
using namespace std;
using namespace cv;
void main()
{
	Mat srcImg = imread("F:\\opencv_re_learn\\hand.jpg");
	if (!srcImg.data){
		cout << "failed to read" << endl;
		system("pause");
		return;
	}
	imshow("src", srcImg);
	Mat srcGray;
	cvtColor(srcImg, srcGray, CV_BGR2GRAY);
	Mat thresh;
	threshold(srcGray, thresh, 230, 255, CV_THRESH_BINARY_INV);
	imshow("thresh", thresh);
	//自定义核
	Mat element = getStructuringElement(MORPH_RECT,
		Size(5, 5));
	//形态学梯度
	Mat gradient_result;
	morphologyEx(thresh, gradient_result, MORPH_GRADIENT, element);
	imshow("形态学梯度", gradient_result);
	waitKey(0);
}

实现效果：

 

---

顶帽

原图像与“开运算“的结果图之差

作用：

• 用于背景提取
• 顶帽运算往往用来分离比邻近点亮一些的斑块。当一幅图像具有大幅的背景的时候，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。【引用自：https://blog.csdn.net/poem_qianmo/article/details/24599073】
•  

测试代码：

#include
#include
#include
#include
using namespace std;
using namespace cv;
void main()
{
	Mat srcImg = imread("F:\\opencv_re_learn\\test.jpg");
	if (!srcImg.data){
		cout << "failed to read" << endl;
		system("pause");
		return;
	}
	imshow("src", srcImg);
	Mat srcGray;
	cvtColor(srcImg, srcGray, CV_BGR2GRAY);
	Mat thresh;
	threshold(srcGray, thresh, 230, 255, CV_THRESH_BINARY_INV);
	imshow("thresh", thresh);
	//自定义核
	Mat element = getStructuringElement(MORPH_RECT,
		Size(5, 5));
	//顶帽
	Mat tophat_result;
	morphologyEx(thresh, tophat_result, MORPH_TOPHAT, element);
	imshow("顶帽", tophat_result);
	waitKey(0);
}

实现效果：

再进一步，既然已经可以提取这个图的背景，那么通过背景与二值化图像异或，即可提取前景。

需在上面代码后添加如下：

	Mat bit_xor;
	bitwise_xor(thresh, tophat_result, bit_xor);
	imshow("异或", bit_xor);

实现效果：

---

黑帽

原图像与“闭运算“的结果图之差

 

作用：

• 暂未找到好的例子