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/104644259
各位读者,知识无穷而人力有穷,要么改需求,要么找专业人士,要么自己研究
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)
上一篇:《OpenCV开发笔记(二十五):算法基础之形态学滤波-形态学梯度》
下一篇:《OpenCV开发笔记(二十七):算法基础之形态学滤波-黑帽》
本篇章学习形态学滤波-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。
void OpenCVManager::testTopHat()
{
QString fileName1 = "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/2.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 * 3),
srcMat.type());
int share1 = 2;
int ksize1 = 5;
int iterations1 = 1;
int share2 = 2;
int ksize2 = 5;
int iterations2 = 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);
cvui::window(windowMat, dstMat.cols * 2, 0, dstMat.cols, dstMat.rows, "erode");
// 中间为调整滤波参数的相关设置
cvui::printf(windowMat, 400 * 1 + 100, 40 + 300, "share");
cvui::trackbar(windowMat, 400 * 1 + 100, 60 + 300, 200, &share1, 0, 2);
// 中间为调整滤波参数的相关设置
cvui::printf(windowMat, 400 * 1 + 100, 120 + 300, "ksize");
cvui::trackbar(windowMat, 400 * 1 + 100, 140 + 300, 200, &ksize1, 1, 10);
// 中间为调整滤波参数的相关设置
cvui::printf(windowMat, 400 * 1 + 100, 200 + 300, "iterations");
cvui::trackbar(windowMat, 400 * 1 + 100, 220 + 300, 200, &iterations1, 0, 10);
cvui::window(windowMat, dstMat.cols * 2, 0, dstMat.cols, dstMat.rows, "dilate");
// 中间为调整滤波参数的相关设置
cvui::printf(windowMat, 400 * 1 + 100, 40 + 300 * 2, "share");
cvui::trackbar(windowMat, 400 * 1 + 100, 60 + 300 * 2, 200, &share2, 0, 2);
// 中间为调整滤波参数的相关设置
cvui::printf(windowMat, 400 * 1 + 100, 120 + 300 * 2, "ksize");
cvui::trackbar(windowMat, 400 * 1 + 100, 140 + 300 * 2, 200, &ksize2, 1, 10);
// 中间为调整滤波参数的相关设置
cvui::printf(windowMat, 400 * 1 + 100, 200 + 300 * 2, "iterations");
cvui::trackbar(windowMat, 400 * 1 + 100, 220 + 300 * 2, 200, &iterations2, 0, 10);
cv::Mat tempMat1;
// 腐蚀
cv::erode(srcMat,
tempMat1,
cv::getStructuringElement(share1, cv::Size(ksize1, ksize1)),
cv::Point(-1, -1),
iterations1);
// 效果图copy
cv::Mat leftMat2 = windowMat(cv::Range(srcMat.rows, srcMat.rows * 2),
cv::Range(0, srcMat.cols));
cv::addWeighted(leftMat2, 0.0f, tempMat1, 1.0f, 0.0f, leftMat2);
// 膨胀
cv::dilate(tempMat1,
tempMat1,
cv::getStructuringElement(share2, cv::Size(ksize2, ksize2)),
cv::Point(-1, -1),
iterations2);
// 效果图copy
cv::Mat leftMat3 = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
cv::Range(0, srcMat.cols));
cv::addWeighted(leftMat3, 0.0f, tempMat1, 1.0f, 0.0f, leftMat3);
// 减法
cv::subtract(tempMat1, srcMat, dstMat, cv::Mat());
// 效果图copy
cv::Mat rightMat1 = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),
cv::Range(srcMat.cols * 1, srcMat.cols * 2));
cv::addWeighted(rightMat1, 0.0f, dstMat, 1.0f, 0.0f, rightMat1);
// 更新
cvui::update();
// 显示
cv::imshow(windowName, windowMat);
// esc键退出
if(cv::waitKey(25) == 27)
{
break;
}
}
}
对应版本号v1.21.0
上一篇:《OpenCV开发笔记(二十五):算法基础之形态学滤波-形态学梯度》
下一篇:《OpenCV开发笔记(二十七):算法基础之形态学滤波-黑帽》
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/104644259