图像腐蚀、膨胀属于
形态学
的操作,就是基于形状的一系列图像处理操作。数字形态学的基本思想是:用具有一定形态的结构元素去量度和提取图像中的对应形状,以达到图像分析和识别的目的
。图像腐蚀、膨胀是基于高亮部分(白色)
操作的,膨胀是对高亮部分进行膨胀,类似“领域扩张”,腐蚀是高亮部分被腐蚀,类似“领域蚕食”。膨胀腐蚀的应用主要体现在消除噪声、分割独立元素或者连接相邻元素、寻找图像中明显极大值、极小值区域以及求图像的梯度。
图像膨胀的作用是将目标图像扩大,运算效果取决于结构元素大小内容以及逻辑运算性质。图像膨胀操作可以用来填补目标区域中某些空洞以及消除包含在目标区域中的小颗粒噪声。
- 用结构元素,扫描图像的每一个元素;
- 用结构元素与其覆盖的二值图像做
与
操作;- 如果有一个为1,结果图像的该元素为1。否则为0。
- 结果:使二值图像扩大一圈
[ dst ( x , y ) = max ( x ′ , y ′ ) : element ( x ′ , y ′ ) ≠ 0 src ( x + x ′ , y + y ′ ) ] [\texttt{dst} (x,y) = \max _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')] [dst(x,y)=(x′,y′):element(x′,y′)=0maxsrc(x+x′,y+y′)]
对集合
A
和B
,使用B
对A
进行膨胀,用
A ⨁ B A\bigoplus B A⨁B表示,并使用
( B ) z (B)_z (B)z
表示B
平移z
后得到的结果,若平移后的结果和A的交集不为空,则我们记录下z
点,所有满足上述条件的z
点组成的集合就是A被B膨胀后的结果。表示为:
A ⨁ B = ∣ z ∣ ( B ) z ⋂ A ≠ ∅ ∣ A\bigoplus B = | z | (B)_z \bigcap A\neq \varnothing| A⨁B=∣z∣(B)z⋂A=∅∣
public static void dilate(Mat src, Mat dst, Mat kernel, Point anchor, int iterations, int borderType, Scalar borderValue)
参数一:src,输入的待膨胀图像,图像的通道数可以是任意的,但是图像的数据类型必须是CV_8U
,CV_16U
,CV_16S
,CV_32F
或CV_64F
参数二:dst,膨胀后的输出图像,与输入图像src具有相同的尺寸和数据类型
参数三:kernel,用于膨胀操作的结构元素,可以自己定义,也可以用getStructuringElement()
函数生成
参数四:anchor,中心点在结构元素中的位置,默认参数为结构元素的几何中心点
参数五:iterations,膨胀的次数,默认值为1
参数六:borderType,像素外推法选择标志
参数七:borderValue,使用边界不变外推法时的边界值
public static Mat getStructuringElement(int shape, Size ksize, Point anchor)
参数一:shape,结构元素的种类
// C++: enum MorphShapes_c
public static final int
CV_SHAPE_RECT = 0,
CV_SHAPE_CROSS = 1,
CV_SHAPE_ELLIPSE = 2,
CV_SHAPE_CUSTOM = 100;
参数二:ksize,结构元素的尺寸大小
参数三:anchor,中心点的位置,默认参数为结构元素的几何中心点
[ E i j = 1 ] [E_{ij}=1] [Eij=1]
[ E i j = { 1 if i = anchor.y o r j = anchor.x 0 otherwise ] [E_{ij} = \begin{cases} 1 & \texttt{if } {i=\texttt{anchor.y } {or } {j=\texttt{anchor.x}}} \\0 & \texttt{otherwise} \end{cases}] [Eij={10if i=anchor.y orj=anchor.xotherwise]
/**
* 图像膨胀
*
* @author yidong
* @date 2020/6/24
*/
class DilateActivity : AppCompatActivity() {
private lateinit var mBinding: ActivityDilateBinding
private lateinit var mBinary: Mat
private var mFlag = Imgproc.CV_SHAPE_RECT
set(value) {
field = value
doDilate(value, mSize.toDouble())
}
private var mSize = 3
set(value) {
field = value
doDilate(mFlag, value.toDouble())
}
override fun onCreate(savedInstanceState: Bundle?) {
super.onCreate(savedInstanceState)
mBinding = DataBindingUtil.setContentView(this, R.layout.activity_dilate)
mBinding.seekbar.setOnSeekBarChangeListener(object : SeekBar.OnSeekBarChangeListener {
override fun onProgressChanged(seekBar: SeekBar?, progress: Int, fromUser: Boolean) {
mSize = progress
mBinding.tvSize.text = progress.toString()
}
override fun onStartTrackingTouch(seekBar: SeekBar?) {
}
override fun onStopTrackingTouch(seekBar: SeekBar?) {
}
})
val bgr = Utils.loadResource(this, R.drawable.opencv)
mBinary = Mat()
val gray = Mat()
Imgproc.cvtColor(bgr, gray, Imgproc.COLOR_BGR2GRAY)
Imgproc.threshold(gray, mBinary, 125.0, 255.0, Imgproc.THRESH_BINARY_INV)
mBinding.ivLena.showMat(mBinary)
bgr.release()
gray.release()
}
override fun onCreateOptionsMenu(menu: Menu?): Boolean {
menuInflater.inflate(R.menu.menu_dilate, menu)
return true
}
override fun onOptionsItemSelected(item: MenuItem): Boolean {
mFlag = when (item.itemId) {
R.id.dilate_cross -> {
Imgproc.CV_SHAPE_CROSS
}
R.id.dilate_ellipse -> {
Imgproc.CV_SHAPE_ELLIPSE
}
else -> Imgproc.CV_SHAPE_RECT
}
return true
}
private fun doDilate(flag: Int, width: Double) {
title = "Flag = $flag,Size = ${width}X${width}"
val kernel = Imgproc.getStructuringElement(flag, Size(width, width))
val result = Mat()
Imgproc.dilate(mBinary, result, kernel)
GlobalScope.launch(Dispatchers.Main) {
mBinding.ivResult.showMat(result)
result.release()
}
}
override fun onDestroy() {
mBinary.release()
super.onDestroy()
}
}
https://github.com/onlyloveyd/LearningAndroidOpenCV
回复【计算机视觉】【Android】【Flutter】【数字图像处理】获取对应学习资料。
留言可帮觅学习资料。