OpenCV數(shù)字圖像處理基于C++之圖像形態(tài)學(xué)處理詳解
更新時間：2022年12月06日 15:01:00 作者：qq_43784519
OpenCV是一款由Intel公司俄羅斯團隊發(fā)起并參與和維護的一個計算機視覺處理開源軟件庫,支持與計算機視覺和機器學(xué)習(xí)相關(guān)的眾多算法,下面這篇文章主要給大家介紹了關(guān)于OpenCV數(shù)字圖像處理基于C++之圖像形態(tài)學(xué)處理的相關(guān)資料,需要的朋友可以參考下
1、圖像腐蝕
? 原理：腐蝕用來收縮或細化二值圖像中的前景，借此實現(xiàn)去噪聲、元素分割等功能。和所有形態(tài)學(xué)濾波器一樣，腐蝕和膨脹這兩個濾波器的作用范圍是由結(jié)構(gòu)元素定義的像素集。在某個像素上應(yīng)用結(jié)構(gòu)元素時，結(jié)構(gòu)元素的錨點與該像素對齊，所有與結(jié)構(gòu)元素相交的像素就包含在當(dāng)前集合中。腐蝕就是把當(dāng)前像素替換成所定義像素集合中的最小像素值；膨脹是腐蝕的反運算，它把當(dāng)前像素替換成所定義像素集合中的最大像素值。由于輸入的二值圖像只包含黑色(值為0)和白色(值為255)像素，因此每個像素都會被替換成白色或黑色像素。
? 要形象地理解這兩種運算的作用，可考慮背景(黑色)和前景(白色)的物體。腐蝕時，如果結(jié)構(gòu)元素放到某個像素位置時碰到了背景(即交集中有一個像素是黑色的)，那么這個像素就變?yōu)楸尘?膨脹時，如果結(jié)構(gòu)元素放到某個背景像素位置時碰到了前景物體，那么這個像素就被標(biāo)為白色。正因如此，圖像腐蝕后物體尺寸會縮小(形狀被腐蝕)，而圖像膨脹后物體會擴大。在腐蝕圖像中，有些面積較小的物體（可看作背景中的“噪聲”像素）會徹底消失。與之類似，膨脹后的物體會變大.而物體中一些“空隙”會被填滿。OpenCV默認使用3×3正方形結(jié)構(gòu)元素。在調(diào)用函數(shù)時，就能得到默認的結(jié)構(gòu)元素。你也可以通過提供一個矩陣來指定結(jié)構(gòu)元素的大小(以及形狀)，矩陣中的非零元素將構(gòu)成結(jié)構(gòu)元素。
作用：去除圖像中的某些部分以及會縮小細化目標(biāo)
1.1 CV腐蝕函數(shù)
CV_EXPORTS_W 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 輸入圖像;通道的數(shù)量可以是任意的，但是深度值應(yīng)該是以下之一：
CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
dst 和源圖像同樣大小和類型的輸出圖像。
kernel 用于腐蝕的結(jié)構(gòu)元素;如果element=Mat(),是一個3 x 3的矩形結(jié)構(gòu)元素. Kernel 可以通過使用getStructuringElement來創(chuàng)建。
anchor 素中的錨點的位置，默認是值(-1,-1),也就是說錨點在元素的中心位置。
iterations 腐蝕的迭代次數(shù)。
borderType像素外推方法。參見#BorderTypes， BORDER_WRAP不支持。
borderValue 固定邊緣的情況下的邊緣值。
參考 dilate,morphologyEx,getStructuringElement
Mat cv::getStructuringElement( int shape, Size ksize, Point anchor = Point(-1,-1) ) 參數(shù)1：結(jié)構(gòu)元的形狀（0：矩形結(jié)構(gòu)元；1：十字架結(jié)構(gòu)元；2：橢圓結(jié)構(gòu)元）； 參數(shù)2：結(jié)構(gòu)元大?。╯ize（m, n））； 參數(shù)3：結(jié)構(gòu)元中心點所在位置（point(x, y)）默認為中心點
Mat element = getStructuringElement(0, Size(3, 3)); //構(gòu)造矩形結(jié)構(gòu)元素
Mat image_erosion;
erode(image_bw, image_erosion, element, Point(-1, -1), 3); //執(zhí)行腐蝕操作
imshow("image_erosion", image_erosion);
原圖
二值圖
CV腐蝕
1.2 自定義腐蝕函數(shù)
void erode_my(Mat &src,Mat &dst,int size) {
for (int i = 0; i < src.rows; ++i)
{
for (int j = 0; j < src.cols; ++j)
{
uchar minV = 255;
//uchar maxV = 0;
//遍歷周圍最小像素值
for (int yi = i - size / 2; yi <= i + size / 2; yi++)
{
for (int xi = j - size / 2; xi <= j + size / 2; xi++)
{
if (xi < 0 || xi >= src.cols || yi < 0 || yi >= src.rows)
{
continue;
}
minV = (std::min<uchar>)(minV, src.at<uchar>(yi, xi));
//maxV = (std::max<uchar>)(maxV, src.at<uchar>(yi, xi));
}
}
dst.at<uchar>(i, j) = minV;
}
}
}
自定義腐蝕
1.3 對比
erode_my(image_bw, image_erosion_my,9); 當(dāng)腐蝕結(jié)構(gòu)擴大到9×9時效果基本與cv自帶函數(shù)一致。
2、圖像膨脹
原理：腐蝕用來收縮或細化二值圖像中的前景，借此實現(xiàn)去噪聲、元素分割等功能。腐蝕過程：用結(jié)構(gòu)元來逐個像素掃描被腐蝕圖像，并根據(jù)結(jié)構(gòu)元和被腐蝕圖像的關(guān)系確定腐蝕結(jié)果。
注意，腐蝕操作等形態(tài)學(xué)操作，是逐個像素地來確定值的，每次判定的點都與結(jié)構(gòu)元中心點所對應(yīng)，如果結(jié)構(gòu)元完全處于前景圖像中，就將結(jié)構(gòu)元中心點所對應(yīng)的腐蝕結(jié)果圖像中的像素點處理為前景色（如1）。如果結(jié)構(gòu)元不完全處于前景圖像中，就將結(jié)構(gòu)元中心點所對應(yīng)的腐蝕結(jié)果圖像中的像素點處理為背景色（如0）。（結(jié)構(gòu)元也被稱為核）
作用：增大圖像中的目標(biāo)，或者填充、連接某些目標(biāo)。
2.1 CV膨脹函數(shù)
CV_EXPORTS_W void dilate(
InputArray src,
OutputArray dst,
InputArray kernel,
Point anchor = Point(-1,-1),
int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar& borderValue = morphologyDefaultBorderValue()
);
src 輸入圖像;通道的數(shù)量可以是任意的，但是深度值應(yīng)該是以下之一：CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
dst 和源圖像同樣大小和類型的輸出圖像。
kernel 膨脹核元素，如果elemenat=Mat(), 是一個3 x 3的矩形核元素，核可以使用getStructuringElement來創(chuàng)建。
anchor 元素中的錨點的位置，默認是值(-1,-1),也就是說錨點在元素的中心位置。
iterations 膨脹的迭代次數(shù)。
borderType 像素外推方法。參見#BorderTypes， BORDER_WRAP不支持。
borderValue 固定邊緣的情況下的邊緣值。
參考：erode,morphologyEx,getStructuringElement
//膨脹
Mat element = getStructuringElement(0, Size(3, 3)); //構(gòu)造矩形結(jié)構(gòu)元素
Mat image_dilate;
dilate(image_bw, image_dilate, element, Point(-1, -1), 9); //執(zhí)行膨脹操作
imshow("image_dilate", image_dilate);
二值圖
CV膨脹
2.2 自定義膨脹函數(shù)
void dilate_my(Mat& src, Mat& dst, int size) {
for (int i = 0; i < src.rows; ++i)
{
for (int j = 0; j < src.cols; ++j)
{
//uchar minV = 255;
uchar maxV = 0;
//遍歷周圍最大像素值
for (int yi = i - size / 2; yi <= i + size / 2; yi++)
{
for (int xi = j - size / 2; xi <= j + size / 2; xi++)
{
if (xi < 0 || xi >= src.cols || yi < 0 || yi >= src.rows)
{
continue;
}
//minV = (std::min<uchar>)(minV, src.at<uchar>(yi, xi));
maxV = (std::max<uchar>)(maxV, src.at<uchar>(yi, xi));
}
}
dst.at<uchar>(i, j) = maxV;
}
}
}
自定義膨脹
2.3 對比
dilate_my(image_bw, image_dilate_my, 9); 當(dāng)膨脹結(jié)構(gòu)擴大到9×9時效果基本與cv自帶函數(shù)一致。
腐蝕圖像相當(dāng)于對其反色圖像膨脹后再取反色;
膨脹圖像相當(dāng)于對其反色圖像腐蝕后再取反色。
3、開運算
原理：先腐蝕，再膨脹。
作用：平滑物體輪廓、斷開狹窄的狹頸、消除細長的突出和物體?？梢匀サ魣D像上一些小的對象。（假設(shè)圖像前景色是白色，背景色是黑色）
原圖
3.1 方法一
//先腐蝕后膨脹
Mat open_image;
Mat element = getStructuringElement(0, Size(3, 3)); //構(gòu)造矩形結(jié)構(gòu)元素
erode(image_bw, image_erosion, element, Point(-1, -1), 3); //執(zhí)行腐蝕操作
dilate(image_erosion, open_image, element, Point(-1, -1), 3); //執(zhí)行膨脹操作
imshow("open", open_image);
3.2 方法二
morphologyEx(image_bw, open_image, MORPH_OPEN, element);
imshow("open2", open_image);
4、閉運算
原理：先膨脹，再腐蝕。
作用：閉運算可以填充小洞，填充小的噪點。
4.1 方法一
Mat close_image;
Mat element = getStructuringElement(0, Size(3, 3)); //構(gòu)造矩形結(jié)構(gòu)元素
dilate(image_bw, image_dilate, element, Point(-1, -1), 3); //執(zhí)行膨脹操作
erode(image_dilate, close_image, element, Point(-1, -1), 3); //執(zhí)行腐蝕操作
imshow("close", close_image);
4.2 方法二
morphologyEx(image_bw, close_image, MORPH_CLOSE, element);
imshow("close2", close_image);
4.3 morphologyEx函數(shù)介紹
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() ); （1）參數(shù)1：InputArray src 輸入圖像，圖像數(shù)據(jù)類型必須為CV_8U, CV_16U, CV_16S, CV_32F or CV_64F中的一種。 （2）參數(shù)2：OutputArray dst 輸出圖像，數(shù)據(jù)類型與大小和輸入圖像一樣。 （3）參數(shù)3：int op 形態(tài)學(xué)處理的類型： MORPH_ERODE = 0：腐蝕處理 MORPH_DILATE = 1：膨脹處理 MORPH_OPEN = 2：開運算處理 MORPH_CLOSE = 3：閉運算處理 MORPH_GRADIENT = 4：形態(tài)學(xué)梯度 MORPH_TOPHAT = 5：頂帽變換 MORPH_BLACKHAT = 6：黑帽變換 MORPH_HITMISS = 7 ：擊中-擊不中變換 （4）參數(shù)4：InputArray kernel結(jié)構(gòu)元矩陣 （5）參數(shù)5：Point anchor = Point(-1,-1) 結(jié)構(gòu)元中心點， 默認值Point(-1,-1), 表示正中心 （6）參數(shù)6：int iterations = 1 腐蝕膨脹處理的次數(shù)，默認值為1； 如果是開運算閉運算，次數(shù)表示先腐蝕或者膨脹幾次，再膨脹腐蝕幾次，而不是開運算閉運算幾次： 如開運算且次數(shù)為2：erode -> erode -> dilate -> dilate （7）參數(shù)7：int borderType = BORDER_CONSTANT 圖像邊框插值類型，默認類型為固定值填充 BORDER_CONSTANT = 0：固定值 i 填充：iiiiii | abcdefgh | iiiiiii BORDER_REPLICATE = 1：兩端復(fù)制：aaaaaa | abcdefgh | hhhhhhh BORDER_REFLECT = 2：鏡像復(fù)制：fedcba | abcdefgh | hgfedcb BORDER_WRAP = 3：去除一端的值然后復(fù)制： cdefgh | abcdefgh | abcdefg BORDER_REFLECT_101 = 4：去除一端的值然后鏡像復(fù)制： gfedcb|abcdefgh|gfedcba BORDER_TRANSPARENT = 5：推導(dǎo)賦值 uvwxyz | abcdefgh | ijklmno BORDER_REFLECT101 = BORDER_REFLECT_101： same as BORDER_REFLECT_101 BORDER_DEFAULT = BORDER_REFLECT_101： same as BORDER_REFLECT_101 BORDER_ISOLATED = 16：< do not look outside of ROI （8）參數(shù)8：const Scalar& borderValue = morphologyDefaultBorderValue() 文檔中說明：param borderValue Border value in case of a constant border. The default value has a special meaning.
5、頂帽運算
原理：頂帽（或禮帽）運算是原始圖像減去圖像開運算的結(jié)果。
頂帽運算：原始圖像 — 圖像開運算
作用：得到圖像的噪聲。如下圖所示：
5.1 方法一
//構(gòu)造結(jié)構(gòu)元
Mat kernel = getStructuringElement(0, Size(5, 5));
Mat image_lm;
//頂帽變換（禮帽變換）
morphologyEx(image_bw, image_lm, 5, kernel);
cv::imshow("image_lm", image_lm);
5.2 方法二
Mat image_lm2; //**頂帽運算：原始圖像 — 圖像開運算**
//dst=img1-img2;//這兩個減法效果相同 若dst<0,則dst=0
subtract(image_bw,open_image2, image_lm2);//注意：要求被處理圖片尺寸一致
cv::imshow("image_lm2",image_lm2);
Mat image_lm2;
absdiff(image_bw, open_image2, image_lm2);//若dst<0,則dst=|dst|>=0 用于檢測兩幅相似圖像的不同點，效果比上面的兩種減法好
cv::imshow("image_lm2", image_lm2);
6、黑帽運算
原理：黑帽運算是圖像閉運算操作減去原始圖像的結(jié)果。
黑帽運算：閉運算 — 原始圖像
作用：得到圖像內(nèi)部的小孔，或者前景色中的小黑點。如下圖所示：
6.1 方法一
//構(gòu)造結(jié)構(gòu)元
Mat kernel = getStructuringElement(0, Size(5, 5));
//底帽變換（黑帽變換）
Mat image_hm;
morphologyEx(image_bw, image_hm, 6, kernel);
cv::imshow("image_hm", image_hm);
6.2 方法二
Mat image_hm2;
subtract(image_bw, close_image2, image_hm2);//注意：要求被處理圖片尺寸一致
cv::imshow("image_hm2", image_hm2);
Mat image_hm2;
absdiff(image_bw, close_image2, image_hm2);//若dst<0,則dst=|dst|>=0 用于檢測兩幅相似圖像的不同點，效果比上面的兩種減法好
cv::imshow("image_hm2", image_hm2);
7、形態(tài)學(xué)梯度
原理：膨脹圖與腐蝕圖之差；
作用：對二值圖進行這一操作可以得到圖像中白色區(qū)域的邊界，因此可以用形態(tài)學(xué)梯度來保留物體的邊界輪廓。
7.1 方法一
//構(gòu)造結(jié)構(gòu)元
Mat kernel = getStructuringElement(0, Size(5, 5));
Mat image_lm;
//形態(tài)學(xué)梯度
morphologyEx(image_bw, image_td, 4, kernel);
cv::imshow("image_td", image_td);
7.2 方法二
Mat image_tw2;
subtract(image_dilate, image_erosion, image_tw2);//注意：要求被處理圖片尺寸一致
cv::imshow("image_tw2", image_tw2);
Mat image_tw2;
absdiff(image_dilate, image_erosion, image_tw2);//若dst<0,則dst=|dst|>=0 用于檢測兩幅相似圖像的不同點，效果比上面的兩種減法好
cv::imshow("image_tw2", image_tw2);
部分參考來自：數(shù)字圖像處理(c++ opencv)–持續(xù)更新 - 知乎 (zhihu.com)
總結(jié)
到此這篇關(guān)于OpenCV數(shù)字圖像處理基于C++之圖像形態(tài)學(xué)處理的文章就介紹到這了,更多相關(guān)OpenCV數(shù)字圖像處理基于C++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(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Boost是為C++語言標(biāo)準(zhǔn)庫提供擴展的一些C++程序庫的總稱。Boost庫是一個可移植、提供源代碼的C++庫，作為標(biāo)準(zhǔn)庫的后備，是C++標(biāo)準(zhǔn)化進程的開發(fā)引擎之一，是為C++語言標(biāo)準(zhǔn)庫提供擴展的一些C++程序庫的總稱2022-11-11
有的時候為了程序的通用性,可以使用＃define預(yù)處理宏定義命令，它的具體作用就是方便程序段的定義和修改,下面就來詳解C語言中的#define宏定義命令用法.2016-05-05
這篇文章主要為大家詳細介紹了C語言開發(fā)實現(xiàn)貪吃蛇小游戲，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2020-10-10
這篇文章主要為大家詳細介紹了C語言版實現(xiàn)鏈隊列，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-07-07
這篇文章主要介紹了C語言實現(xiàn)奇數(shù)階魔方陣的方法,涉及數(shù)組及相關(guān)數(shù)學(xué)函數(shù)的使用技巧,具有一定參考借鑒價值,需要的朋友可以參考下2015-02-02
這篇文章主要介紹了如何設(shè)計和實現(xiàn)一個簡單的通訊錄管理系統(tǒng),包括聯(lián)系人信息的存儲、增加、刪除、查找、修改和排序等功能,文中通過代碼介紹的非常詳細,需要的朋友可以參考下2025-01-01
c++中new和delete運算符是用于動態(tài)分配和撤銷內(nèi)存的運算符,下面是示例，大家參考使用吧2014-04-04
這篇文章主要介紹了C++內(nèi)存分布及用法，從內(nèi)存的基礎(chǔ)概念到內(nèi)存分配進行了講解，內(nèi)存是我們開發(fā)中最重要的一部分，往往邏輯上的錯誤就會造成內(nèi)存泄漏，導(dǎo)致程序無法運行，下面我們就來了解文章對該內(nèi)容的詳細介紹2021-12-12
本文通過2個小示例給大家展示了一下c++中struct使用的注意事項，希望對大家學(xué)習(xí)C++能夠有所幫助。2016-01-01
這篇文章主要為大家詳細介紹了opencv實現(xiàn)圖片與視頻中人臉檢測功能，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-01-01