opencv —— morphologyEx 开运算、闭运算、形态学梯度、顶帽、黑帽

 开运算:先腐蚀后膨胀。

能够排除小亮点。

闭运算:先膨胀后腐蚀。

能够排除小黑点。

形态学梯度:膨胀图 — 腐蚀图。

对二值图像进行这一操作,可将图块的边缘突出出来,故可用来保留物体边缘轮廓。

顶帽:原图 — 开运算结果。

可以认为是找到那些被开运算排除的小亮点。

黑帽:闭运算结果 — 原图。 

可以认为是找到那些被闭运算排除的小黑点。

 

为了方便,opencv 将这些操作集合到了一个函数中 morphologyEx。要实现不同操作,仅需改变其第三个成员变量 形态学运算标识符。 

 

形态学滤波:morphologyEx 函数

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());
  • src,输入图像,即原图像,填 Mat 类的对象即可。
  • dst,目标图像,需要和原图片有一样的尺寸和类型。
  • op,形态学运算的类型。

MORPH_ERODE = 0, //腐蚀

MORPH_DILATE = 1, //膨胀

MORPH_OPEN = 2, //开操作

MORPH_CLOSE = 3, //闭操作

MORPH_GRADIENT = 4, //梯度操作

MORPH_TOPHAT = 5, //顶帽操作

MORPH_BLACKHAT = 6, //黑帽操作

  • kernel,膨胀操作的核。当为 NULL 时,表示的是使用参考点位于中心,大小 3×3 的核。

一般用函数 getStructuringElement 配合这个参数使用。

例如:Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));

Mat getStructuringElement(int shape, Size ksize, Point anchor = Point(-1, -1));
    • shape,矩形:MORPH_RECT

交叉形:MORPH_CROSS

椭圆形:MORPH_ELLIPSE

    • ksize,内核的尺寸。
    • anchor,锚点的位置,默认位于中心。
  • anchor,锚点的位置,默认位于中心。
  • iterations 迭代使用 dilate() 的次数,默认值为 1。
  • borderType,边界拓展的方法。
  • borderValue,当边界为常数时的边界值,有默认值,一般不用管。

 

你可能感兴趣的:(opencv —— morphologyEx 开运算、闭运算、形态学梯度、顶帽、黑帽)