Opencv2系列学习笔记7(图像形态学运算)

形态学滤波理论于上世纪90年代提出，被用于分析及处理离散图像。它定义了一系列的运算，应用预定义的形状元素来变换一张图像。

一：图像腐蚀、膨胀和开闭运算

图像的腐蚀：替换为当前像素位像素集合中的最小像素值<在结构元素的几何中>，函数为erode

图像的膨胀：替换为当前像素位像素集合中的最大像素值，函数为dilate

图像的开运算：先腐蚀后膨胀，函数为morphologyEx，对应的参数为MORPH_CLOSE

图像的闭运算：先膨胀后腐蚀，函数为morphologyEx，对应的参数为MORPH_OPEN

Code：

Mat image = imread("F:\\lena.png", 0);
	/*腐蚀运算 替换为当前像素位像素集合中的最小像素值*/
	Mat eroded;
	erode(image, eroded, Mat());

	/*膨胀运算 替换为当前像素位像素集合中的最大像素值*/
	Mat dilated;
	dilate(image, dilated, Mat());

	/*闭运算 先膨胀后腐蚀
	开运算 先腐蚀后膨胀
	*/
	Mat closed;
	Mat element(5, 5, CV_8U, Scalar(1));
	morphologyEx(image, closed, MORPH_CLOSE, element);

Result：

膨胀：

腐蚀：

二：利用形态学滤波进行边缘检测

思想：形态学滤波利用梯度进行边缘检测  原理就是计算膨胀后的图像和腐蚀后的图像的差值，由于两个变换后的图像不同之处主要在边缘处，图像边缘将通过求差得到强化。函数为morphologyEx，参数为MORPH_GRADIENT。

此外后面可以用sobel算子<方向滤波器>,拉普拉斯变换<二阶导数滤波器>和Canny算子对图像进行边缘检测。

Code：

Mat result;
	/* 形态学滤波利用梯度进行边缘检测  原理就是计算膨胀后的图像和腐蚀后的图像的差值，
	由于两个变换后的图像不同之处主要在边缘处，图像边缘将通过求差得到强化。
	还可以利用图像形态学滤波对图像进行角点检测。。
	*/
	morphologyEx(image, result, MORPH_GRADIENT, Mat()); 
	threshold(result, result, 50, 255, THRESH_BINARY);

Result：

三：形态学运算的其它应用

利用图像的形态学运算还可以对图像进行角点检测，当然效果肯定不如之前的Harris等算子的角点检测，故不作介绍。此外还可以通过利用分水岭算法对图像进行分割以及用GrabCut算法提取前景物体。后面如有用到，会详细介绍，这里粗略笔记。。。