若该文为原创文章，未经允许不得转载
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/107106565
红胖子(红模仿)的博文大全：开发技术集合（包含Qt实用技术、树莓派、三维、OpenCV、OpenGL、ffmpeg、OSG、单片机、软硬结合等等）持续更新中…（点击传送门）
Qt开发专栏：项目实战（点击传送门）
OpenCV开发专栏（点击传送门）
上一篇：《OpenCV开发笔记（六十五）：红胖子8分钟带你深入了解ORB特征点（图文并茂+浅显易懂+程序源码）》
下一篇：持续补充中…
前言
红胖子，来也！
opencv之前讲解了各种形态学操作，使用了形态学对应的函数，除此之外，opencv在形态学上还提供了专门的函数处理，一个函数搞定所有，当然就不能实现自定义的一些算法，如3次膨胀，2次腐蚀了（之前的开、闭运算demo提供了这种操作）。
Demo
形态学
图像处理中的形态学，指数字形态学。
数学形态学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、二值开源算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、合理分析、流域变换、灰值腐蚀和膨胀、灰值开运算、灰值形态学梯度。
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。除了之前讲解的单个操作的函数外，OpenCV还为我们提供了一个形态学专有函数，通过枚举来进行不同的操作。
膨胀
膨胀(dilate)是求局部最大值的操作，从数据角度来说，膨胀是将图像与核进行卷积，实现了对目标像素点进行扩展的目的。
《OpenCV开发笔记（二十一）：算法基础之形态学滤波-膨胀》
腐蚀
腐蚀(delate)与膨胀(ercode)是一对相反的操作，膨胀是求局部最大值的操作，那么膨胀就是求局部最小值的操作。
《OpenCV开发笔记（二十二）：算法基础之形态学滤波-腐蚀》
开运算
开运算(Opening Operation)就是先腐蚀后膨胀的过程。、
开运算可以用来消除小物体，在纤细点处分离物体，并且在平滑较大物体的边界的同时不明显改变其面积（去除噪声及平滑目标边界）。
《OpenCV开发笔记（二十三）：算法基础之形态学滤波-开运算（先腐蚀后膨胀）》
闭运算
闭运算(Closing Operation)就是先膨胀后腐蚀的过程。、
闭运算可以用拟合小裂缝，消除小型黑洞，并且在平滑较大物体的边界的同时不明显改变其面积。
闭运算能填充目标区域内的离散小空洞和分散部分。
《OpenCV开发笔记（二十四）：算法基础之形态学滤波-闭运算（先膨胀后腐蚀）》
形态学梯度
形态学梯度(Morphological Gradient)是膨胀（被减数）和腐蚀（减数）的差别，结果看上去就像前景物体的轮廓。
形态学梯度可以保留物体的边缘轮廓。
《OpenCV开发笔记（二十五）：算法基础之形态学滤波-形态学梯度》
顶帽（礼帽）
顶帽运算(Top Hat)又称作“礼帽”运算，是原图像（减数）与“开运算”（被减数）的结果图之差。
开运算带来的结果是放大了裂缝或者局部降低亮度的区域。因此，从原图中减去开运算后的图，得到的效果突出了比原图轮廓周围的区域更明亮的区域，且这一操作与选择的核的大小相关。
顶帽运算往往用来分离比邻近点亮一些的斑块。在一幅图像具有大幅的背景，而微小物品比较有规律的情况下，可以使用顶帽运算进行背景提取。
《OpenCV开发笔记（二十六）：算法基础之形态学滤波-顶帽（礼帽）》
黑帽
黑帽(Black Hat)运算是闭运算（被减数）的结果图与原图像（减数）之差。
黑帽运算后的效果突出了比原图轮过周围的区域更暗的区域，且这一操作和选择的核大小相关。
所以与顶帽操作相反，黑帽操作是用来分离比邻近点暗一些的斑块，效果图有着非常完美的轮廓。
《OpenCV开发笔记（二十七）：算法基础之形态学滤波-黑帽》
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/107106565
形态学函数原型
void morphologyEx( InputArray src,
OutputArray dst,
int op,
InputArray kernel,
Point anchor = Point(-1,-1),
int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar& borderValue = morphologyDefaultBorderValue() );
参数一：InputArray类型，一般是cv::Mat，通道数是任意的，但是深度必须为CV_8U、CV_16U、CV_16S、CV_32F或CV_64F；
参数二；OutputArray类型，输出的目标图像，和原图像有一样的尺寸和类型；
参数三；int类型的op，表示形态学计算的操作类型，如下图：
参数四：用于操作的内核结构元素；如果elemenat=Mat()，则为3 x 3矩形使用结构化元素。内核可以使用getStructuringElement创建；
参数五：元素中锚点的锚点位置；默认值（-1，-1）表示锚定在构件中心
参数六：迭代次数表示执行的次数，这里要注意开运算和闭运算，默认值为1。特别注意：假设开运算计算2次，则erode->erode->dilate->dilate而不是erode->dilate->erode-> dilate。默认值为1。
参数七：int类型的borderType，用于推断图像外部像素的某种边界模式，使用默认值BORDER_CONSTANT，一般无需设置；
参数八：如果边界为常量，则边界值为borderValue。
Mat getStructuringElement(int shape,
Size ksize,
Point anchor = Point(-1,-1));
参数一：元素形状，可以是MORPH_RECT、MORPH_CROSS和MORPH_ELLIPSE；
参数二：ksize结构元素的大小，必须大于等于1；
参数三：元件内的锚定位置。默认值Point(-1,-1)表示锚在中间（注意，只有十字形构件的形状取决于锚位置。在其他情况下，锚只是调节形态的结果操作转移）；
Demo源码
void OpenCVManager::testMorphologyEx()
{
QString fileName1 = "3.jpg";
cv::Mat srcMat = cv::imread(fileName1.toStdString());
cv::resize(srcMat, srcMat, cv::Size(400, 300));
cv::String windowName = _windowTitle.toStdString();
cvui::init(windowName);
if(!srcMat.data)
{
qDebug() << __FILE__ << __LINE__
<< "Failed to load image:" << fileName1;
return;
}
cv::Mat dstMat;
dstMat = cv::Mat::zeros(srcMat.size(), srcMat.type());
cv::Mat windowMat = cv::Mat(cv::Size(dstMat.cols * 2, dstMat.rows * 2),
srcMat.type());
int operate =0;
int share = 0;
int ksize = 3;
int iterations = 1;
int x = -1;
int y = -1;
while(true)
{
windowMat = cv::Scalar(0, 0, 0);
// 原图先copy到左边
cv::Mat leftMat = windowMat(cv::Range(0, srcMat.rows),
cv::Range(0, srcMat.cols));
cv::addWeighted(leftMat, 1.0f, srcMat, 1.0f, 0.0f, leftMat);
// 形状
cvui::printf(windowMat, 400 * 1 + 100, 40 + 300 * 0, "operate");
cvui::trackbar(windowMat, 400 * 1 + 100, 60 + 300 * 0, 200, &operate, 0, 6);
std::string optStr = "";
switch (operate) {
case 0:
optStr = "MORPH_ERODE";
break;
case 1:
optStr = "MORPH_DILATE";
break;
case 2:
optStr = "MORPH_OPEN";
break;
case 3:
optStr = "MORPH_CLOSE";
break;
case 4:
optStr = "MORPH_GRADIENT";
break;
case 5:
optStr = "MORPH_TOPHAT";
break;
case 6:
optStr = "MORPH_BLACKHAT";
break;
default:
optStr = "ERROR";
break;
}
cvui::printf(windowMat, 400 * 1 + 100, 120 + 300 * 0, optStr.c_str());
cvui::window(windowMat, dstMat.cols * 1, dstMat.rows * 1, dstMat.cols, dstMat.rows, "kernel");
// 形状
cvui::printf(windowMat, 400 * 1 + 100, 40 + 300, "share");
cvui::trackbar(windowMat, 400 * 1 + 100, 60 + 300, 200, &share, 0, 2);
std::string s;
switch (share) {
case 0:
s = "MORPH_RECT";
break;
case 1:
s = "MORPH_CROSS";
break;
case 2:
s = "MORPH_ELLIPSE";
break;
default:
break;
}
cvui::printf(windowMat, 400 * 1 + 100, 120 + 300, s.c_str());
// 内核大小
cvui::printf(windowMat, 400 * 1 + 100, 140 + 300, "ksize");
cvui::trackbar(windowMat, 400 * 1 + 100, 160 + 300, 200, &ksize, 1, 10);
// 定位点
cvui::printf(windowMat, 400 * 1 + 20, 150 + 300 * 0, "Point.X");
cvui::trackbar(windowMat, 400 * 1 + 10, 170 + 300 * 0, 150, &x, -1, ksize-1);
cvui::printf(windowMat, 400 * 1 + 210, 150 + 300 * 0, "Point.Y");
cvui::trackbar(windowMat, 400 * 1 + 200, 170 + 300 * 0, 150, &y, -1, ksize-1);
// 迭代次数
cvui::printf(windowMat, 400 * 1 + 100, 220 + 300 * 0, "iterations");
cvui::trackbar(windowMat, 400 * 1 + 100, 240 + 300 * 0, 200, &iterations, 0, 10);
cv::morphologyEx(srcMat,
dstMat,
operate,
cv::getStructuringElement(share, cv::Size(ksize, ksize)),
cv::Point(x, y),
iterations);
cv::Mat centerMat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
cv::Range(srcMat.cols * 0, srcMat.cols * 1));
cv::addWeighted(centerMat, 0, dstMat, 1.0f, 0, centerMat);
// 更新
cvui::update();
// 显示
cv::imshow(windowName, windowMat);
// esc键退出
if(cv::waitKey(25) == 27)
{
break;
}
}
}
工程模板：对应版本号v1.60.0
对应版本号v1.60.0
上一篇：《OpenCV开发笔记（六十五）：红胖子8分钟带你深入了解ORB特征点（图文并茂+浅显易懂+程序源码）》
下一篇：持续补充中…
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/107106565