opencv#38 形态学操作——膨胀

图像膨胀原理

首先需要给出结构元素，这里以十字形结构元素为例。图像膨胀也是将结构元素与原图像中非0像素进行重合。如下图

 

 图像膨胀就是将没有像素值的区域进行填充，之后移动结构元素的中心位置，再次覆盖下一个像素值，得到一个新覆盖结果

我们发现结构元素上方没有覆盖像素值为1的像素，因此我们将这个位置也填充为1，依次移动中心位置，直到中心位置覆盖了原图像中所有非0像素。那么就可以得到膨胀后的结果。 

这里，当我们把结构元素覆盖在了最边缘位置时，发现有一个像素超出图像尺寸，膨胀后的图像尺寸要与原图保持一致，所以这里不需要对原图像进行扩充。

结构元素生成函数

getStructuringElement() 

Mat cv::getStructuringElement(int    shape,
                              Size   ksize,
                              Point  anchor = Point(-1,-1)
                             )

·shape:结构元素的种类。

·ksize:结构元素的尺寸大小。

·anchor:中心点的位置，默认参数为结构元素的几何中心点。

图像膨胀操作函数

dilate() 

void cv::dilate(InputArray     src,
                OutputArray    dst,
                inputArray     kernel,
                Point          anchor = Point(-1,-1),
                int            iterations = 1,
                int            boederType = BORDER_CONSTANT,
                const Scalar & borderValue = morphologyDefaultBorderValue()
               )

·src:输入的待膨胀图像，图像的通道数可以是任意的，但是图像的数据类型必须是CV_8U，CV_16U,CV_16S,CV_32F,CV_64F之一。

·dst:腐蚀后的输出图像，与输入图像src具有相同的尺寸和数据类型。

·kernel:用于碰撞操作的结构元素，可以自己输入，也可以用getStructuringElement()函数生成。

·anchor:中心点在结构元素中的位置，默认参数为结构元素的几何中心点。

·iterations:膨胀的次数。

·borderType:像素外推法选择标志。

·borderValue:边界不变的边界值。

示例

#include 
#include 


using namespace cv; //opencv的命名空间
using namespace std;



//主函数
int main()
{
	//生成用于膨胀的原图像
	Mat src = (Mat_(6, 6) << 0, 0, 0, 0, 255, 0,
		0, 255, 255, 255, 255, 255,
		0, 255, 255, 255, 255, 0,
		0, 255, 255, 255, 255, 0,
		0, 255, 255, 255, 255, 0,
		0, 0, 0, 0, 0, 0);
	Mat struct1, struct2;
	struct1 = getStructuringElement(0, Size(3, 3));//矩形结构元素
	struct2 = getStructuringElement(1, Size(3, 3));//十字型结构元素

	Mat dilateSrc; //存放膨胀后的图像
	dilate(src, dilateSrc, struct2);
	namedWindow("src", WINDOW_GUI_NORMAL);
	namedWindow("dilateSrc", WINDOW_GUI_NORMAL);
	imshow("src", src);
	imshow("dilateSrc", dilateSrc);

	cout << "文字膨胀验证" << endl;
	waitKey(0);//等待函数用于显示图像,按下键盘任意键后退出

	Mat LearnCV_black = imread("E:/opencv/opencv-4.6.0-vc14_vc15/opencv/LearnCV_black.png");


	Mat dilate_black1, dilate_black2;
	//黑背景图像腐蚀
	dilate(LearnCV_black, dilate_black1, struct1);
	dilate(LearnCV_black, dilate_black2, struct2);
	imshow("LearnCV_black", LearnCV_black);
	imshow("dilate_black1", dilate_black1);
	imshow("dilate_black2", dilate_black2);

	cout << "文字膨胀" << endl;
	waitKey(0);//等待函数用于显示图像,按下键盘任意键后退出

	

	return 0;

}

结果

 

 通过以上结果我们可以发现，图像膨胀可以填充某些缺失的区域，使区域变成一个整体，并且将两个邻近的区域连接在一起，进而也形成一个整体。