【OpenCV】腐蚀、膨胀及其开闭运算

目录

  • 基本概念
  • 开运算示例
  • 代码

基本概念

腐蚀和膨胀都是形态学理论中的重要概念,顾名思义,用通俗的话来说:
腐蚀(Erode):使得目标边界收缩,范围减小。
膨胀(Dilate):使得目标边界扩张,范围增大。

下面以一张二值图像为例,直观地了解腐蚀和膨胀的作用(3x3的核)。

1.腐蚀效果
【OpenCV】腐蚀、膨胀及其开闭运算_第1张图片
2.膨胀效果
【OpenCV】腐蚀、膨胀及其开闭运算_第2张图片

多数情况腐蚀和膨胀不会单独使用,都是组合着使用,这就涉及到开运算和闭运算。
开运算:先腐蚀再膨胀。
闭运算:先膨胀再腐蚀。

下面以两张二值图像为例,直观地了解开运算和闭运算的作用(3x3的核)。

3.开运算效果
从下图可以看到,开运算可以去除目标上突起的毛刺和连接的窄桥。
【OpenCV】腐蚀、膨胀及其开闭运算_第3张图片

4.闭运算效果
从下图可以看到,闭运算可以去除目标内的孔洞,填补沟壑。
【OpenCV】腐蚀、膨胀及其开闭运算_第4张图片
实际上,形态学中还有很多其他的组合方式,例如:将膨胀之后的目标与原目标进行一个减运算,便可以得到目标的轮廓信息。

开运算示例

下图是一个集装箱扭锁的照片,由于扭锁上有一个拉杆,在对其进行识别时可能会导致不必要的麻烦,因此要想办法去掉。拉杆对于扭锁主体相当于突起的毛刺,考虑用前述的开运算方法进行去除。
【OpenCV】腐蚀、膨胀及其开闭运算_第5张图片
首先对其进行一个二值化处理,使得目标变化更加直观。
【OpenCV】腐蚀、膨胀及其开闭运算_第6张图片
对目标进行腐蚀操作,可以看到拉杆的部分被去除掉了,但是扭锁整体的面积也被缩小了,中间的孔洞也被放大了。
【OpenCV】腐蚀、膨胀及其开闭运算_第7张图片
之后再对目标进行膨胀操作,可以看到目标恢复了原来的大小,拉杆被去除掉了,同时主体中的孔洞也被填补了。
【OpenCV】腐蚀、膨胀及其开闭运算_第8张图片
为了使得目标轮廓更加光顺,对其进行一个高斯平滑处理。这样,目标的主体区域就被完整地提取出来了,同时也去掉了干扰部分。
【OpenCV】腐蚀、膨胀及其开闭运算_第9张图片

代码

#include 

using namespace cv;

void trackbarCallback(int, void*);
void creatTrackbar();

Mat srcImage, grayImage, binaryImage, dilateImage, erodeImage, dstImage;

////initial parameter////
int lowThreshold = 0;
int highThreshold = 125;
int dilatePara = 2;
int erodePara = 4;
int blurPara = 9;
int maxThreshold = 254;
int maxPara = 10;
/////////////////////////

int main()
{
	srcImage = imread("01.jpg");//input source image
	imshow("srcImage", srcImage);

	cvtColor(srcImage, grayImage, CV_BGR2GRAY);//convert to gray image
	imshow("Grat", grayImage);

	trackbarCallback(1, 0);//callback function of trackbar
	creatTrackbar();//creat a trackbar

	waitKey(0);
	return 0;
}

void trackbarCallback(int, void*)
{
	Mat tempBinaryImage1, tempBinaryImage2;
	Mat dilateElement = getStructuringElement(0, Size(2 * dilatePara + 1, 2 * dilatePara + 1), Point(dilatePara, dilatePara));
	Mat erodeElement = getStructuringElement(0, Size(2 * erodePara + 1, 2 * erodePara + 1), Point(erodePara, erodePara));

	//double threshold binary processing
	threshold(grayImage, tempBinaryImage1, lowThreshold, maxThreshold, THRESH_BINARY);
	threshold(grayImage, tempBinaryImage2, highThreshold, maxThreshold, THRESH_BINARY_INV);
	bitwise_xor(tempBinaryImage1, tempBinaryImage2, binaryImage);
	imshow("Binary", binaryImage);

	dilate(binaryImage, dilateImage, dilateElement);//dilate processing
	imshow("Dilate", dilateImage);

	erode(dilateImage, erodeImage, erodeElement);//erode processing
	imshow("Erode", erodeImage);

	blur(erodeImage, dstImage, Size(blurPara, blurPara));//smoothing processing
	imshow("dstImage", dstImage);	
}

void creatTrackbar()
{
	namedWindow("Parameter", 0);
	createTrackbar("Low threshold", "Parameter", &lowThreshold, maxThreshold, trackbarCallback);
	createTrackbar("High threshold", "Parameter", &highThreshold, maxThreshold, trackbarCallback);
	createTrackbar("Dilate times", "Parameter", &dilatePara, maxPara, trackbarCallback);
	createTrackbar("Erode times", "Parameter", &erodePara, maxPara, trackbarCallback);
	createTrackbar("Blur times", "Parameter", &blurPara, maxPara, trackbarCallback);
}

ps:1.细心的人会发现代码中是闭运算的顺序,而实际效果是开运算(对于黑色部分),原因是opencv中默认的形态学处理是对于白色高亮部分而言的,所以处理黑色部分要反过来;
2.博主在代码中加入了一个控制台,可以通过滑动条来调整各个处理过程的参数。

如有错误,欢迎指正!

你可能感兴趣的:(OpenCV)