快捷導(dǎo)航

OpenCV實現(xiàn)圖像腐蝕

更新時間：2021年06月23日 11:22:14 作者：我有一個夢想

這篇文章主要為大家詳細介紹了OpenCV實現(xiàn)圖像腐蝕，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

圖像的腐蝕過程與圖像的卷積操作類似，都需要模板矩陣來控制運算的結(jié)果，在圖像的腐蝕和膨脹中這個模板矩陣被稱為結(jié)構(gòu)元素。與圖像卷積相同，結(jié)構(gòu)元素可以任意指定圖像的中心點，并且結(jié)構(gòu)元素的尺寸和具體內(nèi)容都可以根據(jù)需求自己定義。定義結(jié)構(gòu)元素之后，將結(jié)構(gòu)元素的中心點依次放到圖像中每一個非0元素處，如果此時結(jié)構(gòu)元素內(nèi)所有的元素所覆蓋的圖像像素值均不為0，則保留結(jié)構(gòu)元素中心點對應(yīng)的圖像像素，否則將刪除結(jié)構(gòu)元素中心點對應(yīng)的像素。圖像的腐蝕過程示意圖如圖6-12所示，圖6-12中左側(cè)為待腐蝕的原圖像，中間為結(jié)構(gòu)元素，首先將結(jié)構(gòu)元素的中心與原圖像中的A像素重合，此時結(jié)構(gòu)元素中心點的左側(cè)和上方元素所覆蓋的圖像像素值均為0，因此需要將原圖像中的A像素刪除；當把結(jié)構(gòu)元素的中心點與B像素重合時，此時結(jié)構(gòu)元素中所有的元素所覆蓋的圖像像素值均為1，因此保留原圖像中的B像素。將結(jié)構(gòu)元素中心點依次與原圖像中的每個像素重合，判斷每一個像素點是否保留或者刪除，最終原圖像腐蝕的結(jié)果如圖中右側(cè)圖像所示。

圖像腐蝕可以用“Θ”表示，其數(shù)學表示形式如式(6.4)所示，通過公式可以發(fā)現(xiàn)，其實對圖像A的腐蝕運算就是尋找圖像中能夠?qū)⒔Y(jié)構(gòu)元素B全部包含的像素點。

生成常用的矩形結(jié)構(gòu)元素、十字結(jié)構(gòu)元素和橢圓結(jié)構(gòu)：

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

shape：結(jié)構(gòu)元素的種類，可以選擇的參數(shù)及含義在表6-5中給出。
ksize：結(jié)構(gòu)元素的尺寸大小
anchor：中心點的位置，默認參數(shù)為結(jié)構(gòu)元素的幾何中心點。

該函數(shù)用于生成圖像形態(tài)學操作中常用的矩形結(jié)構(gòu)元素、十字結(jié)構(gòu)元素和橢圓結(jié)構(gòu)元素。函數(shù)第一個參數(shù)為生成結(jié)構(gòu)元素的種類，可以選擇的參數(shù)及含義在表給出，函數(shù)第二個參數(shù)是結(jié)構(gòu)元素的尺寸大小，能夠影響到圖像腐蝕的效果，一般情況下，結(jié)構(gòu)元素的種類相同時，結(jié)構(gòu)元素的尺寸越大腐蝕效果越明顯。函數(shù)的最后一個參數(shù)是結(jié)構(gòu)元素的中心點，只有十字結(jié)構(gòu)元素的中心點位置會影響圖像腐蝕后的輪廓形狀，其他種類的結(jié)構(gòu)元素的中心點位置只影響形態(tài)學操作結(jié)果的平移量。

腐蝕函數(shù)

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

src：輸入的待腐蝕圖像，圖像的通道數(shù)可以是任意的，但是圖像的數(shù)據(jù)類型必須是CV_8U，CV_16U，CV_16S，CV_32F或CV_64F之一。
dst：腐蝕后的輸出圖像，與輸入圖像src具有相同的尺寸和數(shù)據(jù)類型。
kernel：用于腐蝕操作的結(jié)構(gòu)元素，可以自己定義，也可以用getStructuringElement()函數(shù)生成。
anchor：中心點在結(jié)構(gòu)元素中的位置，默認參數(shù)為結(jié)構(gòu)元素的幾何中心點
iterations：腐蝕的次數(shù)，默認值為1。
borderType：像素外推法選擇標志，取值范圍在表3-5中給出。默認參數(shù)為BORDER_DEFAULT，表示不包含邊界值倒序填充。
borderValue：使用邊界不變外推法時的邊界值。

該函數(shù)根據(jù)結(jié)構(gòu)元素對輸入圖像進行腐蝕，在腐蝕多通道圖像時每個通道獨立進行腐蝕運算。
函數(shù)的第一個參數(shù)為待腐蝕的圖像，圖像通道數(shù)可以是任意的，但是圖像的數(shù)據(jù)類型必須是CV_8U，CV_16U，CV_16S，CV_32F或CV_64F之一。
函數(shù)第二個參數(shù)為腐蝕后的輸出圖像，與輸入圖像具有相同的尺寸和數(shù)據(jù)類型。
函數(shù)第三個和第四個參數(shù)都是與結(jié)構(gòu)元素相關(guān)的參數(shù)，第三個參數(shù)為結(jié)構(gòu)元素，第四個參數(shù)為結(jié)構(gòu)元素的中心位置，第四個參數(shù)的默認值為Point(-1,-1)，表示結(jié)構(gòu)元素的幾何中心處為結(jié)構(gòu)元素的中心點。
函數(shù)第五個參數(shù)是使用結(jié)構(gòu)元素腐蝕的次數(shù)，腐蝕次數(shù)越多效果越明顯，參數(shù)默認值為1，表示只腐蝕1次。
函數(shù)第六個參數(shù)是圖像像素外推法的選擇標志，
第七個參數(shù)為使用邊界不變外推法時的邊界值，這兩個參數(shù)對圖像中主要部分的腐蝕操作沒有影響，因此在多數(shù)情況下使用默認值即可。

需要注意的是該函數(shù)的腐蝕過程只針對圖像中的非0像素，因此如果圖像是以0像素為背景，那么腐蝕操作后會看到圖像中的內(nèi)容變得更瘦更?。蝗绻麍D像是以255像素為背景，那么腐蝕操作后會看到圖像中的內(nèi)容變得更粗更大。

簡單示例

//
// Created by smallflyfly on 2021/6/18.
//
 
#include "opencv2/opencv.hpp"
 
#include <iostream>
 
using namespace std;
using namespace cv;
 
 
void drawResult(Mat im, int num, Mat stats, Mat centroids, const string& name) {
    for (int i = 1; i < num; ++i) {
        int x = centroids.at<double>(i, 0);
        int y = centroids.at<double>(i, 1);
        cout << x << " " << y << endl;
        circle(im, Point(x, y), 2, Scalar(0, 0, 255), -1);
        int xmin = stats.at<int>(i, CC_STAT_LEFT);
        int ymin = stats.at<int>(i, CC_STAT_TOP);
        int w = stats.at<int>(i, CC_STAT_WIDTH);
        int h = stats.at<int>(i, CC_STAT_HEIGHT);
 
        Rect rect(xmin, ymin, w, h);
        rectangle(im, rect, Scalar(255, 255, 255), 2);
        putText(im, to_string(i), Point(x+5, y), FONT_HERSHEY_SCRIPT_SIMPLEX, 0.3, Scalar(0, 0, 255), 1);
    }
    imshow(name, im);
}
 
 
int main() {
 
    Mat src = (
                Mat_<uchar>(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, 255, 0
            );
    resize(src, src, Size(0, 0), 50, 50, INTER_NEAREST);
    Mat m1, m2;
    m1 = getStructuringElement(0, Size(3, 3));
    m2 = getStructuringElement(1, Size(3, 3));
 
    Mat erodeM1, erodeM2;
    erode(src, erodeM1, m1, Point(-1, -1), 10);
    erode(src, erodeM2, m2, Point(-1, -1), 10);
 
    imshow("src", src);
    imshow("erodeM1", erodeM1);
    imshow("erodeM2", erodeM2);
 
    Mat xbim = imread("xiaobai.jpg");
    Mat xbM1, xbM2;
    erode(xbim, xbM1, m1, Point(-1, -1), 2);
    erode(xbim, xbM2, m2, Point(-1, -1), 2);
 
    imshow("xb", xbim);
    imshow("xbM1", xbM1);
    imshow("xbM2", xbM2);
 
    Mat im = imread("rice.jfif");
    Mat im1 = im.clone();
    Mat im2 = im.clone();
    Mat im3 = im.clone();
 
    Mat gray;
    cvtColor(im, gray, CV_BGR2GRAY);
    Mat riceBin;
    threshold(gray, riceBin, 125, 255, THRESH_BINARY);
 
    Mat out, stats, centroids;
    int count1 = connectedComponentsWithStats(riceBin, out, stats, centroids, 8, CV_16U);
    drawResult(im1, count1, stats, centroids, "no erode");
 
    Mat erodeIm1, erodeIm2;
    erode(riceBin, erodeIm1, m1, Point(-1, -1), 5);
    erode(riceBin, erodeIm2, m2, Point(-1, -1), 5);
 
    int count2 = connectedComponentsWithStats(erodeIm1, out, stats, centroids, 8, CV_16U);
    drawResult(erodeIm1, count2, stats, centroids, "erode1");
    int count3 = connectedComponentsWithStats(erodeIm2, out, stats, centroids, 8, CV_16U);
    drawResult(erodeIm2, count3, stats, centroids, "erode2");
 
    waitKey(0);
    destroyAllWindows();
 
}