原理方法
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。
二值图像与灰度图像上的膨胀操作
二值图像与灰度图像上的腐蚀操作
结构元素
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、圆、直线、磁盘形状、钻石形状等各种自定义形状。
提取步骤
1、输入图像彩色图像 imread
2、转换为灰度图像 – cvtColor
3、转换为二值图像 – adaptiveThreshold
4、定义结构元素
5、开操作 (腐蚀+膨胀)提取 水平与垂直线
代码实现-
第一步输入彩色图像 imread
转换为灰度图像 – cvtColor
转换为二值图像 – adaptiveThreshold
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
)
定义结构元素
一个像素宽的水平线 - 水平长度 width/30
一个像素宽的垂直线 – 垂直长度 height/30
开操作(腐蚀+膨胀)-检测
后处理
bitwise_not(Mat bin, Mat dst)像素取反操作,255 – SrcPixel
模糊(blur)
代码实现
#include
#include
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{
Mat src, dst,dst1;
src = imread("1.jpg");
if (!src.data) {
cout << "can not load the image" << endl;
return -1;
}
char input_title[] = "input";
char output_title[] = "output";
namedWindow(input_title, CV_WINDOW_AUTOSIZE);
namedWindow(output_title, CV_WINDOW_AUTOSIZE);
imshow(input_title, src);
Mat gray_src;
cvtColor(src, gray_src, CV_BGR2GRAY);
Mat bin_img;
adaptiveThreshold(~gray_src, bin_img, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -1);
Mat hline = getStructuringElement(MORPH_RECT, Size(src.cols / 16, 1), Point(-1, -1));
Mat vline = getStructuringElement(MORPH_RECT, Size(1, src.rows / 16), Point(-1, -1));
erode(bin_img, dst, hline);
dilate(dst, dst1, hline);
// morphologyEx(bin_img, dst1, CV_MOP_OPEN,vline);
Mat dst2;
bitwise_not(dst1, dst2);
blur(dst2, dst2, Size(3, 3), Point(-1, -1));
imshow(output_title, dst2);
waitKey(0);
return 0;
}