Opencv学习之腐蚀膨胀

图像处理中的形态学主要指数学形态学:是一门建立在格论和拓扑学基础之上的图像分析学科。形态学操作就是基于形状的一系列图像处理操作,基本运算包括:二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学滤波、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学滤波等。

腐蚀和膨胀–erode函数和dilate函数

主要功能:
*   消除噪声
*   分割出独立的图像元素,在图像中连接相邻的元素
*   寻找图像中的明显的极大值区域或极小值区域
*   求出图像的梯度

腐蚀和膨胀是针对白色部分(高亮部分而言)。从数学角度来说,膨胀或者腐蚀操作就是将图像(或图像的一部分区域,称之为A)与核(称之为B)进行卷积。
膨胀就是求局部最大值操作,即计算核B覆盖的区域的像素点的最大值,并把这个最大值赋值给参考点指定的像素,这样就会使图像中的高亮区域逐渐增长。
腐蚀就是求局部最小值操作,即计算核B覆盖的区域的像素点的最小值,并把这个最小值赋值给参考点指定的像素,这样就会使图像中的高亮区域逐渐减少。
void dilate(inputArray,outputArray,kernel,Point anchor=Point(-1,-1),iterations=1,borderType=BORDER_CONSTANT,const Scalar& borderValue=morphologyDefaultBorderValue());
*第一个参数,输入图像,图像深度应为CV_8U、16U、16S、32F、64F其中之一
*第二个参数,输出图像
*第三个参数,核,当为NULL时,使用参考点位于中心的3x3的核。一般使用函数getStructuringElement配合这个参数的使用,getStructuringElement函数会返回指定形状和尺寸的结构元素(内核矩阵)。其中getStructuringElement函数的第一个参数表示内核的形状,
(1)矩形:MORPH_RECT
(2)交叉形:MORPH_CROSS
(3)椭圆形:MORPH_ELLIPSE
getStructuringElement函数的第二个和第三个参数分别是内核的尺寸和锚点的位置。一般在调用erode和dilate函数之前,先定义一个Mat类型的变量来获得getStructuringElement函数的返回值。
*第四个参数,Point类型的anchor,默认值(-1,-1)表示锚点中心。
*第五个参数,迭代使用dilate()函数的次数,默认为1.
*第六个参数,用于推断图像外部像素的某种边界模式。
*第七个参数,一般不用管。
void erode(inputArray,outputArray,kernel,Point anchor=Point(-1,-1),iterations=1,borderType=BORDER_CONSTANT,const Scalar& borderValue=morphologyDefaultBorderValue());
*第一个参数,输入图像,图像深度应为CV_8U、16U、16S、32F、64F其中之一
*第二个参数,输出图像
*第三个参数,核,当为NULL时,使用参考点位于中心的3x3的核。一般使用函数getStructuringElement配合这个参数的使用,getStructuringElement函数会返回指定形状和尺寸的结构元素(内核矩阵)。其中getStructuringElement函数的第一个参数表示内核的形状,
(1)矩形:MORPH_RECT
(2)交叉形:MORPH_CROSS
(3)椭圆形:MORPH_ELLIPSE
getStructuringElement函数的第二个和第三个参数分别是内核的尺寸和锚点的位置。一般在调用erode和dilate函数之前,先定义一个Mat类型的变量来获得getStructuringElement函数的返回值。
*第四个参数,Point类型的anchor,默认值(-1,-1)表示锚点中心。
*第五个参数,迭代使用erode()函数的次数,默认为1.
*第六个参数,用于推断图像外部像素的某种边界模式。
*第七个参数,一般不用管。

 #include
#include
#include
#include
#include

using namespace cv;
using namespace std;

//全局变量声明********************************
Mat g_srcImage,g_dstImage;
int g_nTrackbarNumber=0;//0表示腐蚀erode,1表示膨胀dilate
int g_nKernelSize=3;//核大小



//全局函数声明********************************
void on_TrackbarNumberChange(int,void *);//回调函数
void on_KernelSizeChange(int,void *);//回调函数
void Process();

int main()
{
   //载入原始图片
    g_srcImage=imread("/Users/new/Desktop/1.jpg");
    if(!g_srcImage.data){printf("读取srcImage错误~! \n");return false;}
    //显示原始图片
    namedWindow("image[origin]");
    imshow("image[origin]",g_srcImage);
    //腐蚀/膨胀操作
    namedWindow("image[morphology]");
    createTrackbar("erode/dilate: ", "image[morphology]", &g_nTrackbarNumber, 1,on_TrackbarNumberChange);
    createTrackbar("kernel size: ", "image[morphology]", &g_nKernelSize, 21,on_KernelSizeChange);
    on_TrackbarNumberChange(g_nTrackbarNumber, 0);
    on_KernelSizeChange(g_nKernelSize,0);
    waitKey();
    return 0;
}

void Process()
{
    Mat element=getStructuringElement(MORPH_RECT, Size(g_nKernelSize*2+1,g_nKernelSize*2+1),Point(g_nKernelSize,g_nKernelSize));
    if(g_nTrackbarNumber==0)
        erode(g_srcImage,g_dstImage,element);
    else
        dilate(g_srcImage,g_dstImage,element);
    imshow("image[morphology]",g_dstImage);
}
//回调函数
void on_TrackbarNumberChange(int,void *)
{
    Process();
}

void on_KernelSizeChange(int,void *)
{
    Process();
}

原始图像:
Opencv学习之腐蚀膨胀_第1张图片

腐蚀图像:
Opencv学习之腐蚀膨胀_第2张图片

膨胀图像:
Opencv学习之腐蚀膨胀_第3张图片

你可能感兴趣的:(编程学习)