OpenCV学习笔记（八）：形态学morpholgy(2)：开/闭运算，形态学梯度、顶帽/黑帽morphologyEx()

OpenCV学习笔记（八）：形态学morpholgy(2)：开、闭运算，形态学梯度、顶帽、黑帽：morphologyEx()

数学形态学（Mathematical morphology） 是一门建立在格论和拓扑学基础之上的图像分析学科，是数学形态学图像处理的基本理论。其基本的运算包括：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、形态学梯度、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、灰值形态学梯度等。

一、开运算（Opening Operation）

其实就是先腐蚀后膨胀的过程：

开运算可以用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。

二、闭运算(Closing Operation)

先膨胀后腐蚀的过程：

闭运算能够排除小型黑洞(黑色区域)，可以将团块的边缘突出出来。

三、形态学梯度（Morphological Gradient）

膨胀图与腐蚀图之差：

对二值图像进行这一操作可以将团块（blob）的边缘突出出来。我们可以用形态学梯度来保留物体的边缘轮廓。

四、顶帽（Top Hat）

顶帽运算（Top Hat）又常常被译为”礼帽“运算，源图与“开运算图“之差：

因为开运算带来的结果是放大了裂缝或者局部低亮度的区域，因此，从原图中减去开运算后的图，得到的效果图突出了比原图轮廓周围的区域更明亮的区域，所以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。

五、黑帽（Black Hat）

为”闭运算“的结果图与原图像之差：

黑帽运算后的效果图突出了比原图轮廓周围的区域更暗的区域，黑帽运算用来分离比邻近点暗一些的斑块。

六、morphologyEx函数详解:

C++: void morphologyEx(
InputArray src,
OutputArray dst,
int op,
InputArraykernel,
Pointanchor=Point(-1,-1),
intiterations=1,
intborderType=BORDER_CONSTANT,
constScalar& borderValue=morphologyDefaultBorderValue() );

第一个参数，InputArray类型的src，输入图像，即源图像，(CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F)。
第二个参数，OutputArray类型的dst，即目标图像。
第三个参数，int类型的op，表示形态学运算的类型：

MORPH_OPEN – 开运算（Opening operation）
MORPH_CLOSE – 闭运算（Closing operation）
MORPH_GRADIENT -形态学梯度（Morphological gradient）
MORPH_TOPHAT - “顶帽”（“Top hat”）
MORPH_BLACKHAT - “黑帽”（“Black hat“）

第五个参数，Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于中心。
第六个参数，int类型的iterations，迭代使用函数的次数，默认值为1。
第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_ CONSTANT。
第八个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他。需要用到它时，可以看官方文档中的createMorphologyFilter()函数得到更详细的解释。

getStructuringElement函数相关的调用示例代码如下

//结构元素(内核矩阵)的尺寸
int g_nStructElementSize = 3;
 
//获取自定义核
Mat element =getStructuringElement(MORPH_RECT,
       Size(2*g_nStructElementSize+1,2*g_nStructElementSize+1),
       Point(g_nStructElementSize, g_nStructElementSize ));

第一个参数表示内核的形状，我们可以选择如下三种形状之一

矩形: MORPH_RECT
交叉形: MORPH_CROSS
椭圆形: MORPH_ELLIPSE

第二和第三个参数分别是内核的尺寸以及锚点的位置,对于锚点的位置，有默认值Point(-1,-1)，表示锚点位于中心

六、示例代码:

#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

Mat g_srcImage, g_dstImage;				//原始图和效果图
int g_nElementShape = MORPH_RECT;		//元素结构的形状

//变量接收的TrackBar位置参数
int g_nMaxIterationNum = 10;		// 最大方向值
int g_nOpenCloseNum = 0;			// 开闭/运算内核值
int g_nTopBlackHatNum = 0;			// 顶帽/黑帽内核值

int main(int argc, char *argv[])
{
    QCoreApplication a(argc, argv);

    // 1、载入原图
    g_srcImage = imread("F:/C++/2. OPENCV 3.1.0/TEST/综合.png");
    if( !g_srcImage.data ) { printf("Oh，no，读取srcImage错误~！ \n"); return false; }

    // 2、显示原始图
    namedWindow("【原始图】");
    imshow("【原始图】", g_srcImage);

    // 3、创建窗口
    namedWindow("【开运算/闭运算】",1);
    namedWindow("【顶帽/黑帽】",1);

    // 4、参数赋值
    g_nOpenCloseNum=9;
    g_nTopBlackHatNum=10;

    // 5、分别为二个窗口创建滚动条
    createTrackbar("迭代值", "【开运算/闭运算】",&g_nOpenCloseNum,g_nMaxIterationNum*2+1,on_OpenClose);
    createTrackbar("迭代值", "【顶帽/黑帽】",&g_nTopBlackHatNum,g_nMaxIterationNum*2+1,on_TopBlackHat);

    // 6、轮询获取按键信息
    while(1)
    {
        //执行回调函数
        on_OpenClose(g_nOpenCloseNum, 0);
        on_TopBlackHat(g_nTopBlackHatNum,0);

        //获取按键
        int c = waitKey(0);

        //按下键盘按键Q或者ESC，程序退出
        if( (char)c == 'q'||(char)c == 27 )
            break;
        //按下键盘按键1，使用椭圆(Elliptic)结构元素结构元素MORPH_ELLIPSE
        if( (char)c == 49 )//键盘按键1的ASII码为49
            g_nElementShape = MORPH_ELLIPSE;
        //按下键盘按键2，使用矩形(Rectangle)结构元素MORPH_RECT
        else if( (char)c == 50 )//键盘按键2的ASII码为50
            g_nElementShape = MORPH_RECT;
        //按下键盘按键3，使用十字形(Cross-shaped)结构元素MORPH_CROSS
        else if( (char)c == 51 )//键盘按键3的ASII码为51
            g_nElementShape = MORPH_CROSS;
        //按下键盘按键space，在矩形、椭圆、十字形结构元素中循环
        else if( (char)c == ' ' )
            g_nElementShape = (g_nElementShape + 1) % 3;
    }

    return a.exec();
}

1）开运算/闭运算 回调函数

static void on_OpenClose(int, void*)
{
    //偏移量的定义
    int offset = g_nOpenCloseNum - g_nMaxIterationNum;	//偏移量
    int Absolute_offset = offset > 0 ? offset : -offset;//偏移量绝对值
    //自定义核
    Mat element = getStructuringElement(g_nElementShape, Size(Absolute_offset*2+1, Absolute_offset*2+1), Point(Absolute_offset, Absolute_offset) );
    //进行操作
    if( offset < 0 )
        // 偏移量小于0 时，开运算
        morphologyEx(g_srcImage, g_dstImage, MORPH_OPEN, element);
    else if (offset == 0)
        g_srcImage.copyTo(g_dstImage);
    else
        // 偏移量大于0 时，闭运算
        morphologyEx(g_srcImage, g_dstImage, MORPH_CLOSE, element);

    //显示图像
    imshow("【开运算/闭运算】",g_dstImage);
}

2）顶帽运算/黑帽运算 回调函数

static void on_TopBlackHat(int, void*)
{
    //偏移量的定义
    int offset = g_nTopBlackHatNum - g_nMaxIterationNum;//偏移量
    int Absolute_offset = offset > 0 ? offset : -offset;//偏移量绝对值
    //自定义核
    Mat element = getStructuringElement(g_nElementShape, Size(Absolute_offset*2+1, Absolute_offset*2+1), Point(-1, -1) );
    //进行操作
    if( offset < 0 )
        morphologyEx(g_srcImage, g_dstImage, MORPH_TOPHAT , element);
    else if (offset == 0)
         g_srcImage.copyTo(g_dstImage);
    else
        morphologyEx(g_srcImage, g_dstImage, MORPH_BLACKHAT, element);

    //显示图像
    imshow("【顶帽/黑帽】",g_dstImage);
}

结果：
MORPH_ELLIPSE


MORPH_RECT


MORPH_CROSS