OpenCV笔记(十一)形态学操作应用

文章目录

  • 一、原理方法
    • 1.原理
    • 2.结构元素
  • 二、处理步骤
    • 第一步:输入彩色图像
    • 第二步:转换为灰度图像
    • 第三步:转换为二值图像
    • 第四步:定义结构元素
    • 第五步:开操作(腐蚀+膨胀)-检测
    • 第六步:后处理
  • 三、综合例程

一、原理方法

1.原理

  1. 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。

- 膨胀,输出的像素值是结构元素覆盖下输入图像的最大像素值

- 腐蚀,输出的像素值是结构元素覆盖下输入图像的最小像素值

  1. 二值图像与灰度图像上的膨胀操作
OpenCV笔记(十一)形态学操作应用_第1张图片
  1. 二值图像与灰度图像上的腐蚀操作
OpenCV笔记(十一)形态学操作应用_第2张图片

2.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、园、直线、磁盘形状、砖石形状等各种自定义形状。
OpenCV笔记(十一)形态学操作应用_第3张图片

二、处理步骤

第一步:输入彩色图像

imread

OpenCV笔记(十一)形态学操作应用_第4张图片

第二步:转换为灰度图像

cvtColor

Mat gray;
if(src.channels() ==3 )
	{
		cvtColor(src,gray,CV_BGR2GRAY)
	}
else
	{
		gray = src;
	}
imshow(OUTPUT_WIN,gray);
OpenCV笔记(十一)形态学操作应用_第5张图片

第三步: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
)
OpenCV笔记(十一)形态学操作应用_第6张图片 OpenCV笔记(十一)形态学操作应用_第7张图片

第四步: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

第五步:开操作(腐蚀+膨胀)-检测

OpenCV笔记(十一)形态学操作应用_第8张图片

第六步:后处理

  • bitwise_not(Mat bin, Mat dst)像素取反操作,255 – SrcPixel

  • 模糊(blur)

OpenCV笔记(十一)形态学操作应用_第9张图片

三、综合例程

#include 
#include 

using namespace cv;
int main(int argc, char** argv) {
	Mat src, dst;
	src = imread("D:/vcprojects/images/chars.png");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}

	char INPUT_WIN[] = "input image";
	char OUTPUT_WIN[] = "result image";
	namedWindow(INPUT_WIN, CV_WINDOW_AUTOSIZE);
	imshow(INPUT_WIN, src);

	Mat gray_src;//转换为灰度图像
	cvtColor(src, gray_src, CV_BGR2GRAY);
	imshow("gray image", gray_src);
	
	Mat binImg;//二值化
	adaptiveThreshold(~gray_src, binImg, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2);
	imshow("binary image", binImg);

	// 水平结构元素
	Mat hline = getStructuringElement(MORPH_RECT, Size(src.cols / 16, 1), Point(-1, -1));
	// 垂直结构元素
	Mat vline = getStructuringElement(MORPH_RECT, Size(1, src.rows / 16), Point(-1, -1));
	// 矩形结构
	Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));

	Mat temp;
	erode(binImg, temp, kernel);  //腐蚀操作
	dilate(temp, dst, kernel);    //膨胀操作
	// morphologyEx(binImg, dst, CV_MOP_OPEN, vline);
	bitwise_not(dst, dst);
	//blur(dst, dst, Size(3, 3), Point(-1, -1));
	imshow("Final Result", dst);

	waitKey(0);
	return 0;
}

你可能感兴趣的:(#,OpenCV图像处理,opencv,计算机视觉,c++)