【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学习笔记(十二):图片腐蚀和膨胀操作
这篇文章介绍了图像腐蚀和膨胀的原理、作用以及使用OpenCV实现这些操作的代码示例,并深入解析了开运算和闭运算的概念及其在图像形态学处理中的应用。
164 1
Opencv学习笔记(十二):图片腐蚀和膨胀操作
|
5月前
|
存储 计算机视觉
OpenCv形态学(一)
OpenCv形态学(一)
|
6月前
|
算法 计算机视觉
【Qt&OpenCV 图像的形态学变换 morpholgyEx】
【Qt&OpenCV 图像的形态学变换 morpholgyEx】
41 0
|
6月前
|
资源调度 算法 计算机视觉
【Qt&OpenCV 图像平滑/滤波处理 -- Blur/Gaussian/Median/Bilateral】
【Qt&OpenCV 图像平滑/滤波处理 -- Blur/Gaussian/Median/Bilateral】
79 0
|
7月前
|
资源调度 API 计算机视觉
【OpenCV】—非线性滤波:中值滤波、双边滤波
【OpenCV】—非线性滤波:中值滤波、双边滤波
|
7月前
|
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
370 2
|
7月前
|
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
|
2月前
|
计算机视觉
Opencv学习笔记(三):图像二值化函数cv2.threshold函数详解
这篇文章详细介绍了OpenCV库中的图像二值化函数`cv2.threshold`,包括二值化的概念、常见的阈值类型、函数的参数说明以及通过代码实例展示了如何应用该函数进行图像二值化处理,并展示了运行结果。
525 0
Opencv学习笔记(三):图像二值化函数cv2.threshold函数详解
|
3月前
|
算法 计算机视觉
opencv图像形态学
图像形态学是一种基于数学形态学的图像处理技术,它主要用于分析和修改图像的形状和结构。
55 4
|
3月前
|
存储 计算机视觉
Opencv的基本操作(一)图像的读取显示存储及几何图形的绘制
本文介绍了使用OpenCV进行图像读取、显示和存储的基本操作,以及如何绘制直线、圆形、矩形和文本等几何图形的方法。
Opencv的基本操作(一)图像的读取显示存储及几何图形的绘制
下一篇
DataWorks