数学形态学是由一组形态学的代数运算子组成的，其常见的运算有膨胀（或扩张）、腐蚀（或侵蚀）、开启、闭合、梯度、黑帽、顶帽以及击中击不中变换等。我在这儿主要介绍以上8种运算在OpenCV中的使用。
OpenCV中形态数学的算子实现方法为：morphologyEx()
/**
* 形态学滤波函数 morphologyEx()
* 参数1：输入的图片
* 参数2；输出的图片
* 参数3：形态学运算的类型 MORPH_ERODE //腐蚀
* MORPH_DILATE//膨胀
* MORPH_OPEN 开运算
* MORPH_CLOSE 闭运算
* MORPH_GRADIENT 梯度运算
* MORPH_TOPHAT //顶帽
* MORPH_BLACKHAT //黑帽
* MORPH_HITMISS//击中击不中变换
* 参数4：核心，当这个值为NULL时，默认为3*3的核
* 参数5：锚点
* 参数6：迭代次数
* 参数7：边界模式
* 参数8：边界值为常数时，会有默认值
*/
CV_EXPORTS_W 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() );
膨胀
膨胀：参照核，求局部最大值，因此亮度高的地方会扩大。具体介绍参考：这里写链接内容
Mat img(h,w,CV_8UC4,pixels);
//核心
Mat coreMat = getStructuringElement(MORPH_RECT,Size(10,10));
//膨胀运算
morphologyEx(img,img,MORPH_DILATE,coreMat);
这里写图片描述
腐蚀
腐蚀：参照核， 求局部最小值，因此暗的地方会越来越大。具体介绍参考：这里写链接内容
Mat img(h,w,CV_8UC4,pixels);
//核心
Mat coreMat = getStructuringElement(MORPH_RECT,Size(10,10));
//腐蚀运算
morphologyEx(img,img,MORPH_ERODE,coreMat);
这里写图片描述
开运算
开运算：先腐蚀后膨胀，消除小物体，在纤细点分离物体，平滑较大物体的边界，操作的同时原图大小改变不明显。
Mat img(h,w,CV_8UC4,pixels);
//核心
Mat coreMat = getStructuringElement(MORPH_RECT,Size(10,10));
//开运算
morphologyEx(img,img,MORPH_OPEN,coreMat);
这里写图片描述
闭运算
闭运算：先膨胀后腐蚀，消除小型黑洞，是图像更新鲜活明亮。
Mat img(h,w,CV_8UC4,pixels);
//核心
Mat coreMat = getStructuringElement(MORPH_RECT,Size(10,10));
//闭运算
morphologyEx(img,img,MORPH_CLOSE,coreMat);
这里写图片描述
梯度
形态学梯度：膨胀图与腐蚀图之差（dilate- erode）， 可以保留物体的边缘轮廓。
Mat img(h,w,CV_8UC4,pixels);
vector outchannl;
//颜色分离
split(img,outchannl);
Mat out3img;
//颜色形态转换
cvtColor(img,out3img,COLOR_BGRA2BGR);
//核
Mat coreMat = getStructuringElement(MORPH_RECT,Size(10,10));
//形态学梯度运算
morphologyEx(out3img,out3img,MORPH_GRADIENT,coreMat);
uchar * ptr = img.ptr(0);
uchar *out = out3img.ptr(0);
//只取BGR
for (int i = 0; i < h * w; ++i) {
ptr[4*i+0] = out[3*i+0];
ptr[4*i+1] = out[3*i+1];
ptr[4*i+2] = out[3*i+2];
}
这里写图片描述
顶帽
顶帽：原图和开运算之差，做背景提取（有大背景或者微小物体有规律的时候）。
Mat img(h,w,CV_8UC4,pixels);
vector outchannl;
//颜色分离
split(img,outchannl);
Mat out3img;
//颜色形态转换
cvtColor(img,out3img,COLOR_BGRA2BGR);
//核
Mat coreMat = getStructuringElement(MORPH_RECT,Size(10,10));
//顶帽运算
morphologyEx(out3img,out3img,MORPH_TOPHAT,coreMat);
uchar * ptr = img.ptr(0);
uchar *out = out3img.ptr(0);
//只取BGR
for (int i = 0; i < h * w; ++i) {
ptr[4*i+0] = out[3*i+0];
ptr[4*i+1] = out[3*i+1];
ptr[4*i+2] = out[3*i+2];
}
这里写图片描述
黑帽
黑帽：闭运算和原图之差，可以得到一个完美的轮廓图。
Mat img(h,w,CV_8UC4,pixels);
vector outchannl;
//颜色分离
split(img,outchannl);
Mat out3img;
//颜色形态转换
cvtColor(img,out3img,COLOR_BGRA2BGR);
//核
Mat coreMat = getStructuringElement(MORPH_RECT,Size(10,10));
//黑帽运算
morphologyEx(out3img,out3img,MORPH_BLACKHAT,coreMat);
uchar * ptr = img.ptr(0);
uchar *out = out3img.ptr(0);
//只取BGR
for (int i = 0; i < h * w; ++i) {
ptr[4*i+0] = out[3*i+0];
ptr[4*i+1] = out[3*i+1];
ptr[4*i+2] = out[3*i+2];
}
这里写图片描述
击中击不中变换
击中-击不中运算常用于二值图像，它用于基于结构元素的配置，从图像中寻找具有某种像素排列特征的目标，如单个像素、颗粒中交叉或纵向的特征、直角边缘或其他用户自定义的特征等。计算时，只有当结构元素与其覆盖的图像区域完全相同时，中心像素的值才会被置为1，否则为0。相对于原图直接减去腐蚀的图像，击中击不中变换保留了更多的细节，边缘也更加明显突出。
Mat img(h,w,CV_8UC4,pixels);
Mat out;
//转换为单通道图片
cvtColor(img,out,COLOR_BGR2GRAY);
//核
Mat coreMat = getStructuringElement(MORPH_RECT,Size(10,10));
//击中击不中变换运算 src.type() == CV_8UC1
morphologyEx(out,out,MORPH_HITMISS,coreMat);
uchar *ptr = img.ptr(0);
uchar *outPtr = out.ptr(0);
int size = w*h;
for (int i = 0; i < size; ++i) {
ptr[4*i+0] = outPtr[I];
ptr[4*i+1] = outPtr[I];
ptr[4*i+2] = outPtr[I];
}
这里写图片描述
本文章著作版权所属： 微笑面对,请关注我的CSDN博客： 博客地址