OpenCV識別提取圖像中的水平線與垂直線

更新時間：2020年07月21日 08:54:23 作者：MnisRain

這篇文章主要為大家詳細介紹了OpenCV識別提取圖像中的水平線與垂直線，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下

本文實例為大家分享了OpenCV識別提取圖像中的水平線與垂直線，供大家參考，具體內(nèi)容如下

1）.原理

圖像形態(tài)學操作時候，可以通過自定義的結構元素實現(xiàn)結構元素對輸入圖像一些對象敏感、另外一些對象不敏感，這樣就會讓敏感的對象改變而不敏感的對象保留輸出。通過使用兩個最基本的形態(tài)學操作 – 膨脹與腐蝕，使用不同的結構元素實現(xiàn)對輸入圖像的操作、得到想要的結果。

-膨脹，輸出的像素值是結構元素覆蓋下輸入圖像的最大像素值

-腐蝕，輸出的像素值是結構元素覆蓋下輸入圖像的最小像素值

常見的形狀：矩形、園、直線、磁盤形狀、磚石形狀等各種自定義形狀。

2）.步驟

1.輸入圖像彩色圖像 imread
2.轉換為灰度圖像 – cvtColor
3.轉換為二值圖像 – adaptiveThreshold
4.定義結構元素
5.開操作（腐蝕+膨脹）提取水平與垂直線

3）.完整代碼

(本人的運行環(huán)境是：vs2017+OpenCV3.4)

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace std;
using namespace cv;

//灰度化圖像
Mat gray_Img(Mat src)
{
 Mat dst = Mat::zeros(src.size(), src.type());
 cvtColor(src, dst, CV_BGR2GRAY);
 return dst;
}

//自適應閾值(二值化圖像)
Mat threshold_Img(Mat src)
{
 Mat dst = Mat::zeros(src.size(), src.type());
 //參數(shù)：輸入， 輸出， 二值圖像的最大值 ， 在一個鄰域內(nèi)計算閾值所采用的算法，有兩個取值分別為 ADAPTIVE_THRESH_MEAN_C 和 ADAPTIVE_THRESH_GAUSSIAN_C ， 閾值類型只有兩個取值，分別為 THRESH_BINARY 和THRESH_BINARY_INV，（blockSize）adaptiveThreshold的計算單位是像素的鄰域塊，鄰域塊取多大就由這個值作決定， 偏移值調(diào)整量
 adaptiveThreshold(~src, dst, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2); 
 return dst;
}

//結構元素(獲取垂直算子)
Mat get_Vertical(Mat src)
{
 Mat dst = Mat::zeros(src.size(), src.type());
 return getStructuringElement(MORPH_RECT,Size(src.cols/16,1),Point(-1,-1));
}

//結構元素（獲取水平算子）
Mat get_Horizontal(Mat src)
{
 Mat dst = Mat::zeros(src.size(), src.type());
 return getStructuringElement(MORPH_RECT, Size(1, src.rows / 16), Point(-1, -1));
}

//腐蝕
Mat erode_Img(Mat src,Mat kernel)
{
 Mat dst = Mat::zeros(src.size(), src.type());
 erode(src, dst, kernel);
 return dst;
}

//膨脹
Mat dilate_Img(Mat src, Mat kernel)
{
 Mat dst = Mat::zeros(src.size(), src.type());
 dilate(src, dst, kernel);
 return dst;
}


int main()
{
 Mat src = imread("001.png");
 if (src.empty())
 {
 cout << "fail to load image" << endl;
 return -1;
 }

 namedWindow("input_Img", 0);
 imshow("input_Img", src);
 //輸入圖像轉灰度
 Mat grayImg = gray_Img(src);
 namedWindow("input_Img_gray", 0);
 imshow("input_Img_gray", grayImg);
 //二值化圖像
 Mat thresholdImg = threshold_Img(grayImg);
 namedWindow("input_Img_threshold", 0);
 imshow("input_Img_threshold", thresholdImg);

 Mat verticalLine = get_Vertical(src);
 Mat horizontalLine = get_Horizontal(src);
 //先腐蝕再膨脹
 Mat vertical_Line_erode = erode_Img(thresholdImg, verticalLine);
 Mat vertical_Line_dilate = dilate_Img(vertical_Line_erode, verticalLine);
 //顯示圖像中的垂直線
 namedWindow("verticalLine", 0);
 imshow("verticalLine", vertical_Line_dilate);

 Mat horizontal_Line_erode = erode_Img(thresholdImg, horizontalLine);
 Mat horizontal_Line_dilate = dilate_Img(horizontal_Line_erode, horizontalLine);
 //顯示圖像中的垂直線
 namedWindow("horizontalLine", 0);
 imshow("horizontalLine", horizontal_Line_dilate);

 waitKey();
 return 0;
}

4）.我的運行結果

1.灰度化結果