opencv概念理解:形态学处理--膨胀腐蚀

1形态学概述

形态学(morphology)一词通常表示生物学的一个分支,该分支主要研究动植物的形态和结构。而我们图像处理中指的形态学,往往表示的是数学形态学。下面一起来了解数学形态学的概念。

数学形态学(Mathematical morphology) 是一门建立在格论和拓扑学基础之上的图像分析学科,是数学形态学图像处理的基本理论。其基本的运算包括:二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。

简单来讲,形态学操作就是基于形状的一系列图像处理操作。OpenCV为进行图像的形态学变换提供了快捷、方便的函数。最基本的形态学操作有二种,他们是:膨胀与腐蚀(Dilation与Erosion)。

膨胀与腐蚀能实现多种多样的功能,主要如下:
(1)消除噪声
(2)分割(isolate)出独立的图像元素,在图像中连接(join)相邻的元素。
(3)寻找图像中的明显的极大值区域或极小值区域
(4)求出图像的梯度
原图:

image.png
.
在进行腐蚀和膨胀的讲解之前,首先需要注意:腐蚀和膨胀是对白色部分(高亮部分)而言的,不是黑色部分。膨胀就是图像中的高亮部分进行膨胀,“领域扩张”,效果图拥有比原图更大的高亮区域。腐蚀就是原图中的高亮部分被腐蚀,“领域被蚕食”,效果图拥有比原图更小的高亮区域。

2.膨胀

opencv--API---->Dilation
其实,膨胀就是求局部最大值的操作。(我们知道灰度值0(黑色)-255(白色))

按数学方面来说,膨胀或者腐蚀操作就是将图像(或图像的一部分区域,我们称之为A)与核(我们称之为B)进行卷积。

核可以是任何的形状和大小,它拥有一个单独定义出来的参考点,我们称其为锚点(anchorpoint)。多数情况下,核是一个小的中间带有参考点和实心正方形或者圆盘,其实,我们可以把核视为模板或者掩码。

而膨胀就是求局部最大值的操作,核B与图形卷积,即计算核B覆盖的区域的像素点的最大值,并把这个最大值赋值给参考点指定的像素。这样就会使图像中的高亮区域逐渐增长(扩大)黑色轮廓部分比例缩小
如下图所示,这就是膨胀操作的初衷。

image.png

数学表达式:
image.png

    Mat gray_src, binary, dst;
    Mat src = imread("D:\\dilate.png");
    if (src.empty()) {
        printf("could not load image...\n");
        return -1;
    }
    imshow("src", src);
    cvtColor(src, gray_src, COLOR_BGR2GRAY);
    //形态学操作
    Mat kernel = getStructuringElement(MORPH_RECT, Size(2, 2));
    //膨胀  亮度部分 黑色的范围会变小(白底黑色物体)  变细
    dilate(gray_src, binary, kernel, Point(-1, -1), 4);
    imshow("dilate", binary);

膨胀后结果:
白色背景膨胀,黑色图案范围缩小

image.png

2.腐蚀

腐蚀opencv--API---->erode
腐蚀,膨胀和腐蚀是一对好基友,是相反的一对操作,所以腐蚀就是求局部最小值的操作。

image.png

数学表达式:
image.png

结果变粗
image.png


    Mat kernel = getStructuringElement(MORPH_RECT, Size(2, 2));
    erode(gray_src, erodeMat,kernel, Point(-1, -1), 4);
    imshow("erodeMat", erodeMat);

你可能感兴趣的:(opencv概念理解:形态学处理--膨胀腐蚀)