图像形态学操作时候,可以通过自定义的结构元素实现结构元素
对输入图像一些对象敏感、另外一些对象不敏感,这样就会让敏
感的对象改变而不敏感的对象保留输出。通过使用两个最基本的
形态学操作 – 膨胀与腐蚀,使用不同的结构元素实现对输入图像
的操作、得到想要的结果。
上述膨胀与腐蚀过程可以使用任意的结构元素
常见的形状:矩形、园、直线、磁盘形状、砖石形状等各种自定义形状。
adaptiveThreshold(
Mat src, // 输入的灰度图像
Mat dest, // 二值图像
double maxValue, // 二值图像最大值
int adaptiveMethod // 自适应方法,只能其中之一 –
// ADAPTIVE_THRESH_MEAN_C , ADAPTIVE_THRESH_GAUSSIAN_C
int thresholdType,// 阈值类型
int blockSize, // 块大小
double C // 常量C 可以是正数,0,负数
)
bitwise_not(Mat bin, Mat dst)像素取反操作,255 – SrcPixel
模糊(blur)
#include
#include
using namespace cv;
int main(int argc,char** argv){
//1、加载源图像,并检查它是否加载成功,然后显示它:
Mat src = imread("E:/Experiment/OpenCV/Pictures/paint1.jpg");
if(src.empty()){
printf("Could not load Image ...");
return -1;
}
namedWindow("1.input",CV_WINDOW_AUTOSIZE);
imshow("1.input",src);
//2、如果图像不是灰度图像转换为灰度图像:
Mat gray_src;
if (src.channels() == 3)
cvtColor(src,gray_src,CV_BGR2GRAY);
else
gray_src = src;
imshow("2.Gray Image",gray_src);
//3、然后将灰度图像转换为二值化。注意~符号表明我们使用逆操作后版本(即bitwise_not):
Mat binary_src;
/*
adaptiveThreshold( // 局部自适应阈值
Mat src, // 输入的灰度图像
Mat dest, // 二值图像
double maxValue, // 二值图像最大值
int adaptiveMethod // 自适应方法,只能其中之一 –
// ADAPTIVE_THRESH_MEAN_C , ADAPTIVE_THRESH_GAUSSIAN_C
int thresholdType,// 阈值类型 THRESH_BINARY THRESH_BINARY_INV 阈值 T = sum(blockSize X blockSize的像素平均值) - 常量C
int blockSize, // 块大小,只能为奇数,取图像宽或高的 1/4 到 1/6 之间? 要确保足够大?
double C // 常量C 可以是正数,0,负数 ,让结果变得更亮一点 更大一点?
)
*/
adaptiveThreshold(~gray_src, binary_src, 255, CV_ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2);
imshow("3.binary Image", binary_src);
//4、以提取水平和垂直线,作为从图像中分离的结果,但首先让我们初始化的输出图像:
Mat horizontal = binary_src.clone();
Mat vertical = binary_src.clone();
//5、为了提取我们所希望的对象,我们需要创建相应的结构元素。由于这里我们要提取水平线,一个相应的结构元素有以下形状:
int horizontalsize = horizontal.cols / 30;
Mat horizontalStructure = getStructuringElement(MORPH_RECT, Size(horizontalsize,1));
erode(horizontal, horizontal, horizontalStructure, Point(-1, -1));
dilate(horizontal, horizontal, horizontalStructure, Point(-1, -1));
imshow("4.1. horizontal", horizontal);
//6、 垂直线条的的用法也是这样,相应的结构元素如下:
int verticalsize = vertical.rows / 30;
Mat verticalStructure = getStructuringElement(MORPH_RECT, Size( 1,verticalsize));
erode(vertical, vertical, verticalStructure, Point(-1, -1));
dilate(vertical, vertical, verticalStructure, Point(-1, -1));
imshow("4.2. vertical", vertical);
//7、图像的边缘是有点粗糙的。由于这个原因,我们需要光顺处理边缘,以获得更平滑的结果
// Inverse vertical image
bitwise_not(vertical, vertical);
imshow("5. vertical_bit", vertical);
// Extract edges and smooth image according to the logic
// 1. extract edges
// 2. dilate(edges)
// 3. src.copyTo(smooth)
// 4. blur smooth img
// 5. smooth.copyTo(src, edges)
// Step 1
Mat edges;
adaptiveThreshold(vertical, edges, 255, CV_ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 3, -2);
imshow("6.1. edges", edges);
// Step 2
Mat kernel = Mat::ones(2, 2, CV_8UC1);
dilate(edges, edges, kernel);
imshow("6.2. dilate", edges);
// Step 3
Mat smooth;
vertical.copyTo(smooth);
// Step 4
blur(smooth, smooth, Size(2, 2));
// Step 5
smooth.copyTo(vertical, edges);
// Show final result
imshow("6.3. smooth", vertical);
waitKey(0);
return 0;
}
- https://blog.csdn.net/real_myth/article/details/53088649
- https://blog.csdn.net/huanghuangjin/article/details/80957750
- https://blog.csdn.net/LYKymy/article/details/83153621