读浅墨博客 十一 笔记

http://blog.csdn.net/poem_qianmo/article/details/24599073

（1）形态学梯度（Morphological Gradient）为膨胀图与腐蚀图之差，数学表达式如下：

 

对二值图像进行这一操作可以将团块（blob）的边缘突出出来。我们可以用形态学梯度来保留物体的边缘轮廓

（2）

顶帽运算（Top Hat）又常常被译为”礼帽“运算。为原图像与上文刚刚介绍的“开运算“的结果图之差，数学表达式如下：

因为开运算带来的结果是放大了裂缝或者局部低亮度的区域，因此，从原图中减去开运算后的图，得到的效果图突出了比原图轮廓周围的区域更明亮的区域，且这一操作和选择的核的大小相关。

顶帽运算往往用来分离比邻近点亮一些的斑块。当一幅图像具有大幅的背景的时候，而微小物品比较有规律的情况下，可以使用顶帽运算进行背景提取。

（3）

黑帽（Black Hat）运算为”闭运算“的结果图与原图像之差。数学表达式为：

黑帽运算后的效果图突出了比原图轮廓周围的区域更暗的区域，且这一操作和选择的核的大小相关。

所以，黑帽运算用来分离比邻近点暗一些的斑块。

本的膨胀和腐蚀技术，来执行更加高级形态学变换，如开闭运算，形态学梯度，“顶帽”、“黑帽”等等。函数：morphologyEx

 void morphologyEx(
 InputArray src,
 OutputArray dst,
 int op,
 InputArraykernel,
 Pointanchor=Point(-1,-1),
 intiterations=1,
 intborderType=BORDER_CONSTANT,
 constScalar& borderValue=morphologyDefaultBorderValue() );

• 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可。图像位深应该为以下五种之一：CV_8U, CV_16U,CV_16S, CV_32F 或CV_64F。
• 第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。
• 第三个参数，int类型的op，表示形态学运算的类型，可以是如下之一的标识符：

• • MORPH_OPEN – 开运算（Opening operation）
  • MORPH_CLOSE – 闭运算（Closing operation）
  • MORPH_GRADIENT -形态学梯度（Morphological gradient）
  • MORPH_TOPHAT - “顶帽”（“Top hat”）
  • MORPH_BLACKHAT - “黑帽”（“Black hat“）

第四个参数，InputArray类型的kernel，形态学运算的内核。若为NULL时，表示的是使用参考点位于中心3x3的核。 我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素（内核矩阵）。 其中，getStructuringElement函数的第一个参数表示内核的形状，我们可以选择如下三种形状之一:

• 矩形: MORPH_RECT
• 交叉形: MORPH_CROSS
• 椭圆形: MORPH_ELLIPSE

• 第五个参数，Point类型的anchor，锚的位置，其有默认值（-1，-1），表示锚位于中心。
• 第六个参数，int类型的iterations，迭代使用函数的次数，默认值为1。
• 第七个参数，int类型的borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_ CONSTANT。
• 第八个参数，const Scalar&类型的borderValue，当边界为常数时的边界值，有默认值morphologyDefaultBorderValue()，一般我们不用去管他