【OpenCV】形态学滤波(2):开运算、形态学梯度、顶帽、黑帽

简介: 【OpenCV】形态学滤波(2):开运算、形态学梯度、顶帽、黑帽

1、开运算

开运算(Opening Operation),其实就是先腐蚀后膨胀的过程,其数学表达式如下:

dst=open(src,element)=dilate(erode(src,element))

作用:开运算可以消除小物体,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。

示例代码:

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main()
{
  //载入原始图
  Mat image = imread("E:\\Pec\\美国队长.jpg");
  //创建窗口
  namedWindow("【原始图】");
  namedWindow("【效果图】");
  //显示原始图
  imshow("【原始图】", image);
  //定义内核
  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
  //进行形态学操作
  morphologyEx(image, image, MORPH_OPEN, element);
  //显示原始图
  imshow("【效果图】", image);
  waitKey(0);
}

2、闭运算

先膨胀后腐蚀的过程称为闭运算(Closing Operation),其数学表达式如下:

dst=close(src,element)=erode(dilate(src,element))

作用:闭运算能够排除小型黑洞(黑色区域)

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main()
{
  //载入原始图
  Mat image = imread("E:\\Pec\\美国队长.jpg");
  //创建窗口
  namedWindow("【原始图】");
  namedWindow("【效果图】");
  //显示原始图
  imshow("【原始图】", image);
  //定义内核
  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
  //进行形态学操作
  morphologyEx(image, image, MORPH_CLOSE, element);
  //显示原始图
  imshow("【效果图】", image);
  waitKey(0);
}

3、形态学梯度

形态学梯度(Morphological Gradient)是膨胀土与腐蚀图之差,数学表达式如下:

dst=morph−grad(src,element)=dilate(src,element)−erode(src,element)

作用:二值图像进行这一操作可以将团块(blob)的边缘突出出来,利用形态学梯度来保留物体的边缘轮廓。

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main()
{
  //载入原始图
  Mat image = imread("E:\\Pec\\美国队长.jpg");
  //创建窗口
  namedWindow("【原始图】");
  namedWindow("【效果图】");
  //显示原始图
  imshow("【原始图】", image);
  //定义内核
  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
  //进行形态学操作
  morphologyEx(image, image, MORPH_GRADIENT, element);
  //显示原始图
  imshow("【效果图】", image);
  waitKey(0);
}

4、顶帽

顶帽运算(Top Hat)又常常被译为“礼帽”运算,是原图像与上文刚刚介绍的“开运算”的结果图之差。

dst=tophat(src,element)=src−open(src,element)

因为开运算带来的结果是放大了裂缝或者局部低亮度的区域。因此,从原图中减去开运算后的图,得到的效果图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。

作用:顶帽运算往往用来分离比邻近点亮一些的斑块。在一副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前。

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main()
{
  //载入原始图
  Mat image = imread("E:\\Pec\\美国队长.jpg");
  //创建窗口
  namedWindow("【原始图】");
  namedWindow("【效果图】");
  //显示原始图
  imshow("【原始图】", image);
  //定义内核
  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
  //进行形态学操作
  morphologyEx(image, image, MORPH_TOPHAT, element);
  //显示原始图
  imshow("【效果图】", image);
  waitKey(0);
}

5、黑帽

黑帽(Black Hat)运算是闭运算的结果图与原图像之差,数学表达式为:

dst=blackhat(src,element)=close(src,element)−src

黑帽运算后的效果图突出了比原图轮廓周围的区域更暗的区域,且这一操作和选择的核的大小有关。

作用:黑帽运算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。

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main()
{
  //载入原始图
  Mat image = imread("E:\\Pec\\美国队长.jpg");
  //创建窗口
  namedWindow("【原始图】");
  namedWindow("【效果图】");
  //显示原始图
  imshow("【原始图】", image);
  //定义内核
  Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
  //进行形态学操作
  morphologyEx(image, image, MORPH_BLACKHAT, element);
  //显示原始图
  imshow("【效果图】", image);
  waitKey(0);
}

6、核心API函数:morphologyEx()

void morphologyEx(
  InputArray src,
    OutputArray dst,
    int op,
    InputArray kernel,
    Pointanchor=Point(-1,-1),
    int iteration=1,
    int borderType=BORDER_CONSTANT,
    const Scalar& borderValue=morphologyDefaultBorderValue()
);

第一个参数:输入图像,即源图像,填Mat类的对象即可。图像位深应该为以下5种之一:CV_8U、CV_16U、CV_16S、CV_32F和CV_64F

第二个参数:即目标图像,函数的输出参数,需要和源图片有一样的尺寸和类型

第三个参数:int类型的op,表示形态学运算的类型,可以是如下表中的任意之一的标识符

第四个参数:InputArray 类型的kernel,形态学运算的内核。若为NULL,表示的是使用参考点位于中心3x3的核。一般使用函数getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定的形状和尺寸的结构元素(内核矩阵)

getStructuringElement函数的第一个参数表示内核的形状:

(1)矩形——MORPH_RECT

(2)交叉形——MORPH_CROSS

(3)椭圆形——MORPH_ELLIPSE

而getStructuringElement函数的第二个参数和第三个参数分别是内核的尺寸以及锚点的位置

一般在调用erode和dilate函数之前,要先定义一个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(-1,-1),表示锚点位于中心。另外注意:十字形的element形状唯一依赖于锚点的位置。而在其他情况下,锚点只是

影响形态学运算结果的偏移

//getStructuringElement函数相关调用如下:
int g_nStructuringElement(MORPH_RECT,Size(2*g_nStructuringElement+1,                              2*g_nStructuringElement+1),Point(g_nStructuringElement,g_nStructuringElement));

之后便可以调用erode、dilate或morphologyEx函数时,由kernel参数填保存getStructuringElement返回值的Mat类型变量。

第五个参数:锚点的位置,默认值(-1,-1),锚点位于中心

第六个参数:迭代使用函数的次数,默认值为1.

第七个参数:用于推断图像外部像素的某种边界模式。有默认值BORDER_CONSTANT

第八个参数:当边界为常数时的边界值,有默认值morphologyDEfaultBorderValue(),一般不需要考虑。这些操作都是可以进行就地(in-place)操作,且对于多通道图像,每一个通道都单独进行操作。

7、综合示例:形态学滤波

说明:下面的程序运行示例一共会出现4个显示图像的窗口,包含原始图一个、开\闭运算一个,膨胀\腐蚀一个,顶帽\黑帽运算一个。它们分别使用滚动条,来控制得到形态学效果,且迭代值为10的时候为中间点。此外,还可以通过键盘1、2、3以及空格键来调节称不同的元素结构

#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_srcImage, g_dstImage;
int g_nElementShape = MORPH_RECT;//元素结果的形状

//-----------------------------------------
//变量接受的TrackBar位置参数
//------------------------------------------
int g_nMaxIterationNum = 10;
int g_nOpenCloseNum = 0;
int g_nErodeDilateNum = 0;
int g_nTopBlackHatNum = 0;

//--------------------------------------------
//全局函数声明
//-------------------------------------------
static void on_OpenClose(int, void*);
static void on_ErodeDilate(int, void*);
static void on_TopBlackHat(int ,void*);
static void ShowHelpText();//帮我文字显示

int main()
{
  system("color 5E");
  //载入原始图
  g_srcImage = imread("E:\\Pec\\钢铁侠.jpg");
  if (!g_srcImage.data) {
    printf("图片读取错误\n");
    return false;
  }
  //显示原始图
  namedWindow("【原始图】");
  imshow("【原始图】", g_srcImage);
  //创建三个窗口
  namedWindow("【开运算/闭运算】", 1);
  namedWindow("【腐蚀/膨胀】", 1);
  namedWindow("【顶帽/黑帽】", 1);
  //参数赋值
  g_nOpenCloseNum = 9;
  g_nErodeDilateNum = 9;
  g_nTopBlackHatNum = 9;
  //分别创建三个窗口的轨迹条
  createTrackbar("迭代值", "【开运算/闭运算】", &g_nOpenCloseNum, g_nMaxIterationNum * 2 + 1, on_OpenClose);
  createTrackbar("迭代值", "【腐蚀/膨胀】", &g_nErodeDilateNum, g_nErodeDilateNum * 2 + 1, on_ErodeDilate);
  createTrackbar("迭代值", "【顶帽/黑帽】", &g_nTopBlackHatNum, g_nTopBlackHatNum * 2 + 1, on_TopBlackHat);
  printf("----------------------------------------------------------------------\n");
  printf("|                 操作说明                                            |\n");
  printf("|             按下键盘Q或者ESC,程序退出                              |\n");
  printf("|      按下键盘1,使用椭圆(Elliptic)结构原始结构元素MORPH_ELLIPSE|    |\n");
  printf("|      按下键盘2,使用矩形(Rectangle)结构原始结构元素MORPH_RECT       |\n");
  printf("|      按下键盘3,使用十字形(Cross-shaped)结构原始结构元素MORPH_CROSS |\n");
  printf("|      按下键盘space,在矩形、椭圆和十字形之间循环                    |\n");
  printf("-------------------------------------------------------------------\n");
  //轮询获取按键信息
  while (1)
  {
    int c;
    //执行回调函数
    on_OpenClose(g_nOpenCloseNum, 0);
    on_ErodeDilate(g_nErodeDilateNum, 0);
    on_TopBlackHat(g_nTopBlackHatNum, 0);
    c = waitKey(0);
    //按下键盘Q或者ESC,程序退出
    if ((char)c == 'q' || (char)c == 27)
      break;
    //按下键盘1,使用椭圆(Elliptic)结构原始结构元素MORPH_ELLIPSE
    else if ((char)c == 49)//1的ASII码为49
      g_nElementShape = MORPH_ELLIPSE;
    //按下键盘2,使用矩形(Rectangle)结构原始结构元素MORPH_RECT
    else if ((char)c == 50)
      g_nElementShape = MORPH_RECT;
    //按下键盘3,使用十字形(Cross-shaped)结构原始结构元素MORPH_CROSS
    else if ((char)c == 51)
      g_nElementShape = MORPH_CROSS;
    //按下键盘space,在矩形、椭圆和十字形之间循环
    else if ((char)c == ' ')
      g_nElementShape = (g_nElementShape + 1) % 3;
  }
  return 0;
}
static void on_OpenClose(int, void*)
{
  //偏移量的定义
  int offset = g_nOpenCloseNum - g_nMaxIterationNum;//偏移量
  int Absolute_offset = offset > 0 ? offset : -offset;//取正值
  //自定义核
  Mat element = getStructuringElement(g_nElementShape, Size(Absolute_offset * 2 + 1, Absolute_offset * 2 + 1), Point(Absolute_offset, Absolute_offset));
  //进行操作
  if (offset < 0)
    morphologyEx(g_srcImage, g_dstImage, CV_MOP_OPEN, element);
  else
    morphologyEx(g_srcImage, g_dstImage,MORPH_CLOSE, element);
  imshow("【开运算/闭运算】", g_dstImage);
}
static void on_ErodeDilate(int, void*)
{
  //偏移量的定义
  int offset = g_nErodeDilateNum - g_nMaxIterationNum;//偏移量
  int Absolute_offset = offset > 0 ? offset : -offset;//取正值
  //自定义核
  Mat element = getStructuringElement(g_nElementShape, Size(Absolute_offset * 2 + 1, Absolute_offset * 2 + 1), Point(Absolute_offset, Absolute_offset));
  //进行操作
  if (offset < 0)
    erode(g_srcImage, g_dstImage,element);
  else
    dilate(g_srcImage, g_dstImage, element);
  imshow("【腐蚀/膨胀】", g_dstImage);
}
static void on_TopBlackHat(int, void*)
{
  //偏移量的定义
  int offset = g_nTopBlackHatNum - g_nMaxIterationNum;//偏移量
  int Absolute_offset = offset > 0 ? offset : -offset;//取正值
  //自定义核
  Mat element = getStructuringElement(g_nElementShape, Size(Absolute_offset * 2 + 1, Absolute_offset * 2 + 1), Point(Absolute_offset, Absolute_offset));
  //进行操作
  if (offset < 0)
    morphologyEx(g_srcImage, g_dstImage, MORPH_TOPHAT, element);
  else
    morphologyEx(g_srcImage, g_dstImage, MORPH_BLACKHAT, element);
  imshow("【顶帽/黑帽】", g_dstImage);
}

原图像:

开运算、腐蚀、顶帽图像

闭运算、膨胀、黑帽图像

相关文章
|
1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
89 0
|
1月前
|
计算机视觉
OpenCV(二十三):中值滤波
OpenCV(二十三):中值滤波
60 0
|
1月前
|
计算机视觉 Python
OpenCV形态学运算中梯度运算、顶帽、黑帽运算讲解与实战应用(附Python源码)
OpenCV形态学运算中梯度运算、顶帽、黑帽运算讲解与实战应用(附Python源码)
84 0
|
1月前
|
计算机视觉
OpenCV按位逻辑运算
OpenCV按位逻辑运算
10 0
|
1月前
|
编解码 计算机视觉 C++
【OpenCV】—形态学滤波(1):腐蚀与膨胀
【OpenCV】—形态学滤波(1):腐蚀与膨胀
|
1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
|
1月前
|
监控 API 计算机视觉
OpenCV这么简单为啥不学——1.7、实现OpenCV自带的七种形态学转换操作
OpenCV这么简单为啥不学——1.7、实现OpenCV自带的七种形态学转换操作
34 0
|
4天前
|
算法 计算机视觉 Python
openCV 3计算机视觉 Python语言实现 笔记 第三章 使用OpenCV 3处理图像
openCV 3计算机视觉 Python语言实现 笔记 第三章 使用OpenCV 3处理图像
|
11天前
|
存储 编解码 API
【图像文本化】Base64编解码OpenCV4中 Mat 对象
【图像文本化】Base64编解码OpenCV4中 Mat 对象
12 0
|
11天前
|
机器学习/深度学习 编解码 计算机视觉
【一秒梵高】基于OpenCV4实现图像九种风格迁移
【一秒梵高】基于OpenCV4实现图像九种风格迁移
14 0