C++ opencv 图像形态学、膨胀、腐蚀、闭、开、顶帽、黑帽

图像形态学

形态学源于动物学与生物学。图像形态学主要研究图像的形态特征，实际表现为图像像素之间的关系。
图像像素与邻域像素进行特定的逻辑操作，操作的结果即为形态特征。

形态学图像处理的基本运算有4个：膨胀、腐蚀、开操作和闭操作
形态学的主要应用：边界提取、区域填充、连通分量的提取、凸壳、细化、粗化等

链接：图像形态学

本文头文件以及使用的命名空间

#pragma once
#include 
#include 

using namespace std;
using namespace cv;

---

获取结构元素(getStructuringElement())

在进行图像形态学操作前，需要获取图像结构元素。它类似于卷积与滤波中对图像操作的卷积核，opencv中使用getStructuringElement()获取特定形状与大小的结构元素，在被用于后续的形态学操作中。

shape ：结构元素的形状，MORPH_RECT矩形 MORPH_CROSS十字形 MORPH_ELLIPSE椭圆
ksize : 结构元素的大小
anchor :结构元素的锚点，默认为中心点

膨胀(dilate())

src : 输入图像
dst : 输出图像
kernel : 结构元素，由getstructelement获得
anchor : 结构元素的锚点，默认中心
iteration : 膨胀的次数

测试代码：这里使用morphologyEx函数，内部也是调用dilate函数

//膨胀
	Mat m1 = imread(path8, 1);
	Mat m2;
	Mat kernel = getStructuringElement(MORPH_RECT, Size(7, 7), Point(-1, -1));
	morphologyEx(m1, m2, MORPH_DILATE, kernel);
	namedWindow("truth image", WINDOW_AUTOSIZE);
	namedWindow("dilate image", WINDOW_AUTOSIZE);
	imshow("truth image", m1);
	imshow("dilate image", m2);
	waitKey(0);

运行结果：

---

腐蚀(erode())

参数与dilate一致

测试代码：

运行结果

膨胀与腐蚀也可以使用morphologyEx()函数中对应的操作，本质相同，morphologyEx()内部也是调用dilate和erode函数。

膨胀与腐蚀都相对于白色像素（255）而言，膨胀扩大白色区域，腐蚀缩小白色区域。两者不是互逆关系，由接下来的闭与开操作可知，膨胀与腐蚀的顺序会产生不同的结果。

---

闭

闭操作，先膨胀在腐蚀，用于消除白色区域中的黑色的空洞。
图像形态学操作均可使用morphologyEx函数，选择不同的操作完成。

src : 输入图像
dst : 输出图像
op : 选择的形态学操作
kernel : 结构元素
anchor : 结构元素的锚点
iterations : 执行形态学操作的次数

测试代码：

//闭操作
Mat m5 = imread(path6, 1);
Mat m6; 
//获取结构元素 矩形 尺寸为7 中心锚点
Mat kernel = getStructuringElement(MORPH_RECT, Size(7, 7),Point(-1, -1));
//形态学闭操作
morphologyEx(m5, m6, MORPH_CLOSE , kernel);
namedWindow("truth image", WINDOW_AUTOSIZE);
namedWindow("close image", WINDOW_AUTOSIZE);
imshow("truth image", m5);
imshow("close image", m6);
waitKey(0);

运行结果：

结构元素的Size越大，就可以消去更大的黑洞。

形态学操作

选择MORPH_CLOSE即为闭操作。

---

开

开操作，先腐蚀，在膨胀，用于消除黑色区域中的白点。选择MORPH_OPEN即为开操作。
测试代码：
运行结果：

//开操作
	Mat m7 = imread(path7, 1);
	Mat m8;
	Mat kernel = getStructuringElement(MORPH_RECT, Size(7, 7), Point(-1, -1));
	morphologyEx(m7, m8, MORPH_OPEN, kernel);
	namedWindow("truth image", WINDOW_AUTOSIZE);
	namedWindow("open image", WINDOW_AUTOSIZE);
	imshow("truth image", m7);
	imshow("open image", m8);
	waitKey(0);

---

顶帽

原始图像减去开运算(先腐蚀在膨胀)。用于获取图像中的噪声

测试代码：

//顶帽
Mat m7 = imread(path7, 1);
Mat m8;
Mat kernel = getStructuringElement(MORPH_RECT, Size(7, 7), Point(-1, -1));
morphologyEx(m7, m8, MORPH_TOPHAT, kernel);
namedWindow("truth image", WINDOW_AUTOSIZE);
namedWindow("top hat image", WINDOW_AUTOSIZE);
imshow("truth image", m7);
imshow("top hat image", m8);
waitKey(0);

运行结果：

---

黑帽

闭运算（先膨胀在腐蚀）减去原始图像。用于获取图像中的白色区域的黑点，并转为白色。

测试代码：

//黑帽
Mat m5 = imread(path6, 1);
Mat m6; 
Mat kernel = getStructuringElement(MORPH_RECT, Size(7, 7),Point(-1, -1));
morphologyEx(m5, m6, MORPH_BLACKHAT , kernel);
namedWindow("truth image", WINDOW_AUTOSIZE);
namedWindow("black hat image", WINDOW_AUTOSIZE);
imshow("truth image", m5);
imshow("black hat image", m6);
waitKey(0);

运行结果：

参考链接: 图像顶帽与黑帽.

文章内容有误或可改正地方，可私信，会即使修改。