OpenCV黑帽運算(BLACKHAT)的使用
原理
形態(tài)學是圖像處理中常見的名詞,圖像處理的形態(tài)學基本屬于數(shù)學形態(tài)學的范疇,是一門建立在格論和拓撲學基礎上的圖像分析學科。黑帽運算是結(jié)合了腐蝕和膨脹的一種運算,閉運算結(jié)果圖減原圖。
簡單來說,黑帽運算就是將閉運算后的圖像減去原圖,突出了比原圖輪廓周圍區(qū)域更暗的區(qū)域。效果圖見下方圖1圖2。
函數(shù)原型
void morphologyEx( InputArray src, OutputArray dst, int op, InputArray kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, const Scalar& borderValue = morphologyDefaultBorderValue() ); 其中op=MORPH_BLACKHAT
參數(shù)說明
- InputArray類型的src,輸入圖像,如Mat類型。
- OutputArray類型的dst,輸出圖像。
- int類型的op,選擇不同的運算操作,黑帽運算則是MORPH_BLACKHAT。
- Point類型的anchor,錨點。默認值(-1,-1),表示位于單位中心,一般不用。
- int類型的iterations,迭代使用的次數(shù),默認值為1。
- int類型的borderType,推斷圖像外部像素的邊界模式,我OpenCV版本的默認值為BORDER_CONSTANT。如果圖像邊界需要擴展,則不同的模式下所擴展的像素,其生成原則不同。
- const Scalar&類型的borderValue,當邊界為常數(shù)時的邊界值,默認值為morphologyDefaultBorderValue()。
測試代碼
#include<iostream> #include<opencv2/opencv.hpp> #include<ctime> using namespace std; using namespace cv; int main(void) { cv::Mat test = cv::Mat::zeros(64, 64, CV_8UC1); cv::rectangle(test, cv::Rect(30, 30, 8, 8), 255, -1); cv::rectangle(test, cv::Rect(33, 30, 2, 2), 0, -1); cv::Mat element = getStructuringElement(MORPH_RECT, Size(3, 3)); cv::Mat result, close; cv::morphologyEx(test, close, MORPH_CLOSE, element); cv::morphologyEx(test, result, MORPH_BLACKHAT, element); imshow("original", test); imshow("close", close); imshow("result", result); waitKey(0); system("pause"); return 0; }
測試效果
如上圖所示,有原先8*8的矩形,有一個2*2的凹處,我設置了3*3的矩形蒙版,對其進行閉運算操作如圖2所示,凹進消失,對其進行黑帽操作如圖3所示,突出了凹進的內(nèi)容。
到此這篇關于OpenCV黑帽運算(BLACKHAT)的使用的文章就介紹到這了,更多相關OpenCV黑帽運算內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
Python爬蟲實例——scrapy框架爬取拉勾網(wǎng)招聘信息
這篇文章主要介紹了Python爬蟲實例——scrapy框架爬取拉勾網(wǎng)招聘信息的相關資料,文中講解非常細致,代碼幫助大家更好的理解和學習,感興趣的朋友可以了解下2020-07-07Python中的函數(shù)參數(shù)(位置參數(shù)、默認參數(shù)、可變參數(shù))
這篇文章主要介紹了Python中的函數(shù)參數(shù):位置參數(shù)、默認參數(shù)、可變參數(shù)、關鍵字參數(shù)和命名關鍵字參數(shù),需要的小伙伴可以參考下面文章內(nèi)容2021-09-09Python函數(shù)命名空間,作用域LEGB及Global詳析
這篇文章主要介紹了Python函數(shù)命名空間,作用域LEGB及Global詳析,文章圍繞主題展開詳細的內(nèi)容介紹,具有一定的參考價值,需要的朋友可以參考一下2022-09-09