opencv中膨胀和腐蚀，开操作和闭操作，顶帽和底帽

小记：静默处之，安之若素

1. opencv中膨胀和腐蚀

膨胀和腐蚀是图像形态学的最基础变换方式，在消除噪声，元素分割和连接等方面都有应用。

1. 膨胀
   膨胀是一种卷积操作，它将目标像素的值替换为卷积核覆盖区域的局部最大值,也可以说是“最大化”操作，使明亮区域扩张并联通。

opencv函数定义：
void cv::dilate(
	cv::InputArray     src,//Input image
	cv::OutputArray    dst, //result image
	cv::InputArray     element, // Structuring, a cv::Mat()
	cv::Point          anchor = cv::Point(-1, -1), //Location of anchor point
	int                iterations = 1, //Number of times to apply
	int                borderType = cv::BORDER_CONSTANT //Border extrapolation
	const cv::Scalar&  borderValue = cv::morphologyDefaultBorderValue()
)

示例程序

  1 #include <opencv2/opencv.hpp>
  2 #include <iostream>
  3 #include <math.h>
  4 using namespace std;
  5 using namespace cv;
  6 
  7 int main(int argc, char *argv[])
  8 {
  9   cv::Mat dresult, eresult;
 10   cv::Mat src = cv::imread("1.png");
 11   cv::imshow("input", src);
 12   cv::Mat src1 = src.clone(); 
 15   Mat se = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
 16   dilate(src1, dresult, se, Point(-1, -1), 1, 0);
 19   cv::Mat orgin2dilate;
 20   cv::hconcat(src, dresult, orgin2dilate);
 21   imshow("dilate", orgin2dilate);
 26   cv::waitKey(0);
 27   return 0;
 28 
 29 }
~     

运行结果：

2. 腐蚀
腐蚀操作是与膨胀操作相反，腐蚀操作计算的是核覆盖范围内的局部最小值，准确的说是将目标图像中的值设为核覆盖范围内的最小值。腐蚀还可以说是“最小化”操作：即明亮的区域被隔离并收缩。

opencv函数定义：
void cv::enrode(
	cv::InputArray     src,//Input image
	cv::OutputArray    dst, //result image
	cv::InputArray     element, // Structuring, a cv::Mat()
	cv::Point          anchor = cv::Point(-1, -1), //Location of anchor point
	int                iterations = 1, //Number of times to apply
	int                borderType = cv::BORDER_CONSTANT //Border extrapolation
	const cv::Scalar&  borderValue = cv::morphologyDefaultBorderValue()
)

示例程序

  1 #include <opencv2/opencv.hpp>
  2 #include <iostream>
  3 #include <math.h>
  4 using namespace std;
  5 using namespace cv;
  6 
  7 int main(int argc, char *argv[])
  8 {
  9   cv::Mat dresult, eresult;
 10   cv::Mat src = cv::imread("1.png");
 11   cv::imshow("input", src);
 13   cv::Mat src2 = src.clone(); 
 15   Mat se = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
 17   erode(src2, eresult, se, Point(-1, -1), 1, 0);
 23   cv::Mat origin2erode;
 24   cv::hconcat(src, eresult, origin2erode);
 25   imshow("erode", origin2erode);
 26   cv::waitKey(0);
 27   return 0;
 28 
 29 }

运行结果：

3. 总结
1）膨胀就是扩张了明亮区域，腐蚀缩减了明亮区域；
2）膨胀填充凹面，腐蚀消除凸起。
详细介绍

2. 开操作和闭操作

开操作和闭操作实际上是腐蚀和膨胀操作非常简单的结合。

1. 开操作
   开操作就是先将图像腐蚀，然后对腐蚀结果进行膨胀。其常作用于对二值图像中的区域进行计数。
   eg：
   在对显微镜载玻片中的细胞进行计数时，需要采用开操作将相互靠的很近的细胞分开。
2. 闭操作
   闭操作是先将图像进行膨胀，然后对膨胀的结果进行腐蚀。其常作用于复杂连通分支算法中减少无用或噪声驱动的片段。
3. opencv中函数原型：
   opencv中可以采用cv::morphologyEx()函数来对图像进行开操作和闭操作处理。在调用该函数时需要通过改变区中op参数来实现开操作和闭操作的使用，后续介绍的顶帽和底帽操作也通过该函数来实现。

void cv::morphologyEx	
(
 InputArray 	src,//Input image
 OutputArray 	dst,//Result image
 int 	        op,//Operator(eg: cv::MOP_OPEN(开操作))
 InputArray 	kernel,//Structuring element.
 Point 	        anchor = Point(-1,-1),//Anchor position with the kernel.
 int 	        iterations = 1,//
 int 	        borderType = BORDER_CONSTANT,//Number of times erosion and dilation are applied.
 const Scalar & borderValue = morphologyDefaultBorderValue() //Border value in case of a constant border. 
)	
op说明：
| 操作符          | 形态学操作 |
|cv::MOP_OPEN    | 开操作    |
|cv::MOP_CLOSE   | 闭操作    | 
|cv::MOP_GRADIENT| 形态学操作 |
|cv::MOP_TOPHAT  | 顶帽操作   |
|cv::MOP_BLACKHAT| 底帽操作   |

4. 示例程序

   1 #include <opencv2/opencv.hpp>
  2 #include <iostream>
  3 #include <math.h>
  4 using namespace std;
  5 using namespace cv;
  6 
  7 int main(int argc, char *argv[])
  8 {
  9   cv::Mat Op_result, Cl_result;
 10   cv::Mat src = cv::imread("opencv_logo.jpg");
 11   cv::imshow("input", src);
 12   cv::Mat src1 = src.clone();
 13   cv::Mat src2 = src.clone();
 14 
 15   cv::Mat gray1, gray2;
 16   cv::Mat binary1, binary2;
 17   Mat se = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1));//kernel
 18 
 19   //开操作
 20   cv::cvtColor(src1, gray1, cv::COLOR_BGR2GRAY);
 21   GaussianBlur(gray1, gray1, Size(9, 9), 0, 0);
 22   adaptiveThreshold(gray1, binary1, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY_INV, 45, 15);
 23   imshow("binary1", binary1);
 24   cv::cvtColor(src2, gray2, cv::COLOR_BGR2GRAY);
 25 
 26   cv::morphologyEx(gray1, Op_result, cv::MORPH_OPEN, se);
 27   imshow("Open", Op_result);
 28   
 29   //闭操作
 30   cv::cvtColor(src2, gray2, cv::COLOR_BGR2GRAY);
 31   GaussianBlur(gray2, gray2, Size(9, 9), 0, 0);
 32   adaptiveThreshold(gray2, binary2, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY_INV, 45, 15);
 33   imshow("binary2", binary2);
 34   
 35   cv::morphologyEx(gray2, Cl_result, cv::MORPH_CLOSE, se);
 36   imshow("Close", Cl_result);
 37   cv::waitKey(0); 
 38   return 0;
 39   
 40 } 

4. 总结
   1）闭操作最明显的效果就是消除值小于领域内的点的孤立异常值；
   2）开操作就是消除大于领域内点的孤立值。

3.顶帽和底帽

顶帽操作和顶帽操作分别用于显示与其领域相比更亮或更暗的部分，当试图根据物体的亮度变化分离依附于物体的某些部分时，就会用到这些方法

1. 顶帽操作就是用源图像减去其开操作后的结果
2. 底帽操作就是用闭操作减去其源图像的结果
3. 程序示例

  1 #include <opencv2/opencv.hpp>
  2 #include <iostream>
  3 #include <math.h>
  4 using namespace std;
  5 using namespace cv;
  6 
  7 int main(int argc, char *argv[])
  8 {
  9   cv::Mat Op_result, Cl_result;
 10   cv::Mat src = cv::imread("1.png");
 11   cv::imshow("input", src);
 12   cv::Mat src1 = src.clone();
 13   cv::Mat src2 = src.clone();
 14 
 15   cv::Mat gray1, gray2;
 16   cv::Mat binary1, binary2;
 17   Mat se = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1));//kernel
 18 
 19   //顶帽操作
 20   cv::cvtColor(src1, gray1, cv::COLOR_BGR2GRAY);
 21   cv::threshold(gray1, binary1, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
 22   imshow("binary1", binary1);
 23   cv::cvtColor(src2, gray2, cv::COLOR_BGR2GRAY);
 24   
 25   cv::morphologyEx(gray1, Op_result, cv::MORPH_TOPHAT, se);
 26   imshow("TOPHAT", Op_result);
 27   
 28   //底帽操作
 29   cv::cvtColor(src2, gray2, cv::COLOR_BGR2GRAY);
 30   GaussianBlur(gray2, gray2, Size(9, 9), 0, 0);
 31   adaptiveThreshold(gray2, binary2, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY_INV, 45, 15);
 32   imshow("binary2", binary2);
 33   
 34   cv::morphologyEx(gray2, Cl_result, cv::MORPH_BLACKHAT, se);
 35   imshow("BLACKHAT", Cl_result);
 36   cv::waitKey(0);
 37   return 0;
 38 
 39 }