【OpenCV】—形态学滤波(1):腐蚀与膨胀

简介: 【OpenCV】—形态学滤波(1):腐蚀与膨胀

学习之前补充一个知识点:

core:核心功能模块 主要包含了opencv基本数据结构,动态数据结构,绘图函数,数组操作相关函数,辅助功能与系统函数和宏。

[video]视频模块

主要运用在调用摄像头时。

[highgui]高层GUI图像交互模块

主要包换了图形交互界面,媒体I/O的输入输出,视频信息的捕捉和提取,图像视频编码等。

[math.h]数学函数库

包含了一些常用的数学公式。如三角函数,反三角函数,乘方,开方,取整等运算。

[iostream]输入输出流头文件

主要包含了在c++编码过程中的 cin输入内容和cout输出内容。

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。而我们图像处理的形态学,往往指的是数学形态学。

数学形态学(Mathematical morphology)是一门建立在格伦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、灰值开闭运算、灰值形态学梯度等。

简单来说: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。最基本的形态学的操作有两种,分别:膨胀(dilate)与腐蚀(erode)

膨胀与腐蚀能实现多种多样的功能,主要如下:

  • 消除噪声(图像噪声是指存在于图像数据中的不必要的或多余的干扰信息);
  • 分割(isolate)出独立的图像元素,在图像中连接(join)相邻的元素;
  • 寻找图像中的明星的极大值区域或极小值区域;
  • 求出图像的梯度(图像梯度可以把图像看成二维离散函数,图像梯度其实就是这个二维离散函数的求导);

示例说明:

腐蚀和膨胀是对白色部分(高亮部分)而言的,不是黑色部分。膨胀是图像中的高亮部分进行膨胀,类似于“邻域扩张”,效果图拥有比原图更大的高亮区域;腐蚀是原图中的高亮部分被腐蚀,类似于:“邻域被蚕食”,效果图拥有比原图更小的高亮区域。

2、膨胀
2.1 相关概念

膨胀(dilate)就是局部最大值的操作。从教学角度来说,膨胀或者腐蚀操作就是将图像(或图像的一部分区域,称之为A)与核(称之为B)进行卷积。

核可以是任意形状和大小,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,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取域逐渐增大。如下:

膨胀的数学表达式如下:

2.2 膨胀:dilate函数

说明:dilate函数使用像素邻域内的局部极大运算符来膨胀一张图片,从src输入,由dst输出。支持就地(in-place)操作。【有的操作都是”就地“操作,不允许进行移动】

函数原型:

void dilate(
  InputArray src,
    OutputArray dst,
    InputArray kernel,
    Point anchor=Point(-1,-1),
    int iterations=1,
    int borderType=BORDER_CONSTANT,
    const Scalar& borderVale=morphologyDefaultBorderValue()
);

第一个参数:输入图像,即源图像,填Mat类的对象即可。图像通道的数量可以是任意的,但图像深度应为CV_8U、CV_16U、CV_16S、CV_32F或CV_64F其中之一。

第二个参数:目标图像,需要和源图像有一样的尺寸和类型

第三个参数:膨胀操作的核。当为NULL时,表示是使用参考点位于中心3x3内核

一般在调用erode以及dilate函数之前,先定义一个Mat类型的变量来获得getStructuringElement函数的返回值。对于锚点的位置,有默认值Point(-1,-1),表示锚点位于中心。此外,需要注意,十字形的element形状唯一依赖锚点的位置,而其他情况下,锚点只是影响形态学运算结果的偏移

相关代码如下:

int g_nStrucyElementSize=3;//结构元素(内核矩阵的尺寸)
//获取自定义内核
Mat element =getStructuringElement(MORPH_RECT,
    Size(2*g_nStrucyElementSize+1,2*g_nStrucyElementSize+1),
     Point(g_nStrucyElementSize,g_nStrucyElementSize));

调用之后,可以在接下来调用erode或dilate函数时,在第三个参数填保存了getStructuringElement返回值的Mat类型变量。

第四个参数:Point类型的anchor,锚点的位置,其中有默认值(-1,-1),表示锚点位于中心

第五个参数:迭代使用dilate()函数的次数,默认值为1

第六个参数:用于推断图像外部像素的某种边界模式。默认值:BORDER_CONSTANT

第七个参数:当边界为常数时的边界值,有默认值morphologyDefaultBorderValue(),一般不用考虑。

使用erode()函数,一般只需要填写前面三个参数,后面四个参数都有默认值,而且结合getStructuringElement一起使用。

调用范例:

Mat image=imread("1.jpg");
//获取自定义核
Mat element=getStructuringElement(MORPH_RECT,Size(15,15));
Mat out;
//进行膨胀操作
dilate(image,out,element);

完整程序:

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;
int main()
{
  //载入原图
  Mat image = imread("E:\\Pec\\斗罗.jpg");
  //创建窗口
  namedWindow("【原图】膨胀操作");
  namedWindow("【效果图】膨胀操作");
  //显示原图
  imshow("【原图】膨胀操作", image);
  //获取自定义核
  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
  Mat out;
  //进行膨胀操作
  dilate(image, out, element);
  //显示效果图
  imshow("【效果图】膨胀操作", out);
  waitKey(0);
  return 0;
}

3、腐蚀
3.1 腐蚀概念

膨胀和腐蚀(erode)是相反的一对操作,所以腐蚀就是求局部最小值的操作。

腐蚀的数学公式:

3.2 腐蚀:erode函数

说明:erode函数使用像素邻域内的局部极小运算符来腐蚀一张图片,从src输入,由dst输出。同时也支持就地(in-place)操作。【有的操作都是”就地“操作,不允许进行移动】

函数原型:

void erode(
  InputArray src,
    OutputArray dst,
    InputArray kernel,
    Point anchor=Point(-1,-1),
    int iterations=1,
    int borderType=BORDER_CONSTANT,
    const Scalar& borderVale=morphologyDefaultBorderValue()
);

第一个参数:输入图像,即源图像,填Mat类的对象即可。图像通道的数量可以是任意的,但图像深度应为CV_8U、CV_16U、CV_16S、CV_32F或CV_64F其中之一。

第二个参数:目标图像,需要和源图像有一样的尺寸和类型

第三个参数:膨胀操作的核。当为NULL时,表示是使用参考点位于中心3x3内核

一般在调用erode以及dilate函数之前,先定义一个Mat类型的变量来获得getStructuringElement函数的返回值。对于锚点的位置,有默认值Point(-1,-1),表示锚点位于中心。此外,需要注意,十字形的element形状唯一依赖锚点的位置,而其他情况下,锚点只是影响形态学运算结果的偏移

相关代码如下:

int g_nStrucyElementSize=3;//结构元素(内核矩阵的尺寸)
//获取自定义内核
Mat element =getStructuringElement(MORPH_RECT,
    Size(2*g_nStrucyElementSize+1,2*g_nStrucyElementSize+1),
     Point(g_nStrucyElementSize,g_nStrucyElementSize));

调用之后,可以在接下来调用erode或dilate函数时,在第三个参数填保存了getStructuringElement返回值的Mat类型变量。

第四个参数:Point类型的anchor,锚点的位置,其中有默认值(-1,-1),表示锚点位于中心

第五个参数:迭代使用erode()函数的次数,默认值为1

  • 第六个参数:用于推断图像外部像素的某种边界模式。默认值:BORDER_CONSTANT
  • 第七个参数:当边界为常数时的边界值,有默认值morphologyDefaultBorderValue(),一般不用考虑。

调用范例:

//获取自定义核
Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
Mat out;
//进行腐蚀操作
erode(image, out, element);

完整程序:

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;
int main()
{
  //载入原图
  Mat image = imread("E:\\Pec\\斗罗.jpg");
  //创建窗口
  namedWindow("【原图】腐蚀操作");
  namedWindow("【效果图】腐蚀操作");
  //显示原图
  imshow("【原图】腐蚀操作", image);
  //获取自定义核
  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
  Mat out;
  //进行膨胀操作
  erode(image, out, element);
  //显示效果图
  imshow("【效果图】腐蚀操作", out);
  waitKey(0);
  return 0;
}

4、相关OpenCV源码分析溯源
//腐蚀
voidcv::erode( InputArray src, OutputArray dst, InputArray kernel,Point anchor, intiterations,int borderType, const Scalar& borderValue )
{
 //调用morphOp函数,并设定标识符为MORPH_ERODE
morphOp( MORPH_ERODE, src, dst, kernel, anchor, iterations, borderType, borderValue );
}
//膨胀
voidcv::dilate( InputArray src, OutputArray dst, InputArray kernel,Point anchor,intiterations,int borderType, const Scalar&borderValue )
{
    //调用morphOp函数,并设定标识符为MORPH_DILATE
morphOp( MORPH_DILATE, src, dst, kernel, anchor, iterations, borderType, borderValue );
}

上述源码可以发现:erode和dilate这两个函数内部就是调用了一下morphOp,只是它们调用morphOp时,第一个参数标识符不同:MORPH_ERODE为腐蚀,MORPH_DILATE为膨胀

5、综合示例:腐蚀与膨胀

说明:此示例程序中的效果图窗口有两个滑动条第一个滑动条“腐蚀/膨胀”用于在腐蚀/膨胀之间进行切换,第二个滑动条“内核大小”用于调节形态学操作时的内核尺寸,以得到效果不同的图像。

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace cv;
using namespace std;
//---------------------------------
//全局变量声明
//-------------------------------
Mat g_srcIamge, g_dstImage;//存储图片的Mat类型
int g_nTrackbarNumer = 0;//0表示腐蚀erode,1表示膨胀dilate
int g_nStructElementSize = 3;//结构元素(内核矩阵)尺寸
//---------------------------------
//全局函数声明
//-------------------------------
void Process();//腐蚀和膨胀的处理函数
void on_TrackbarNumChange(int, void *);//回调函数
void on_ElementSizeChange(int, void *);
int main()
{
  //改变console字体颜色
  system("color 5E");
  //载入原图
  g_srcIamge = imread("E:\\Pec\\tangsan.jpg");
  if (!g_srcIamge.data)
  {
    printf("读取图片错误\n");
    return false;
  }
  //显示原图
  namedWindow("【原图】");
  imshow("【原图】", g_srcIamge);
  //进行初次腐蚀操作并显示效果图
  namedWindow("【效果图】");
  //获取自定义内核
  Mat element = getStructuringElement(MORPH_RECT, Size(2 * g_nStructElementSize + 1, 2 * g_nStructElementSize + 1),
    Point(g_nStructElementSize, g_nStructElementSize));
  erode(g_srcIamge, g_dstImage, element);
  imshow("【效果图】", g_dstImage);
  //创建轨迹条
  createTrackbar("腐蚀/膨胀", "【效果图】", &g_nTrackbarNumer, 1, on_TrackbarNumChange);
  createTrackbar("内核尺寸", "【效果图】", &g_nStructElementSize, 21, on_ElementSizeChange);
    waitKey(0);
  return 0;

}
//腐蚀和膨胀的处理函数
void Process()
{
  //获取自定义内核
  Mat element = getStructuringElement(MORPH_RECT, Size(2 * g_nStructElementSize + 1, 2 * g_nStructElementSize + 1),
    Point(g_nStructElementSize, g_nStructElementSize));
  //进行腐蚀或膨胀操作
  if (g_nTrackbarNumer == 0) {
    erode(g_srcIamge, g_dstImage, element);
  }
  else
  {
    dilate(g_srcIamge, g_dstImage, element);
  }
  //显示效果图
  imshow("【效果图】", g_dstImage);
}
//--------------------------------
//腐蚀和膨胀之间切换开关的回调函数
//-------------------------------
void on_TrackbarNumChange(int, void *)
{
  //腐蚀和膨胀之间效果已经切换,回调函数体内需调用一次Process函数,使改变后的效果立即生效并显示出来
  Process();
}
//------------------------------------
//  腐蚀和膨胀操作内核改变时的回调函数
//------------------------------------------
void on_ElementSizeChange(int, void *)
{
  //内核尺寸已经改变,回调函数体内需调用一次Process函数,使改变后的效果立即生效显示出来
  Process();
}

腐蚀图:

膨胀图:




相关文章
|
2月前
|
计算机视觉
OpenCV(二十四):可分离滤波
OpenCV(二十四):可分离滤波
70 0
|
2月前
|
计算机视觉
OpenCV(二十三):中值滤波
OpenCV(二十三):中值滤波
45 0
|
7月前
|
计算机视觉
openCV的中值滤波
openCV的中值滤波
22 0
|
13天前
|
API 计算机视觉
【OpenCV】形态学滤波(2):开运算、形态学梯度、顶帽、黑帽
【OpenCV】形态学滤波(2):开运算、形态学梯度、顶帽、黑帽
|
13天前
|
存储 编解码 资源调度
【OpenCV】—线性滤波:方框滤波、均值滤波、高斯滤波
【OpenCV】—线性滤波:方框滤波、均值滤波、高斯滤波
|
7月前
|
计算机视觉
OpenCV-中值滤波cv::medianBlur
OpenCV-中值滤波cv::medianBlur
|
9月前
|
计算机视觉
opencv 之 各种滤波总结
opencv 之 各种滤波总结
|
5月前
|
计算机视觉
opencv滤波技术
opencv滤波技术
37 0
|
5月前
|
Serverless 计算机视觉
OpenCV(二十二):均值滤波、方框滤波和高斯滤波
OpenCV(二十二):均值滤波、方框滤波和高斯滤波
82 1
|
5月前
|
计算机视觉
[OpenCV] 图像的几种滤波方式
[OpenCV] 图像的几种滤波方式
24 0