opencv再学习之路（三）---形态学操做

1. 腐蚀和膨胀

　　腐蚀和膨胀是最基本的形态学操做，腐蚀和膨胀都是针对白色部分（高亮部分）而言的。

膨胀就是使图像中高亮部分扩张，效果图拥有比原图更大的高亮区域；腐蚀是原图中的高亮区域被蚕食，效果图拥有比原图更小的高亮区域。膨胀是求局部最大值的操做，腐蚀是求局部最小值的操做。

膨胀与腐蚀能实现多种多样的功能，主要以下：

• 消除噪声
• 分割(isolate)出独立的图像元素，在图像中链接(join)相邻的元素。
• 寻找图像中的明显的极大值区域或极小值区域
• 求出图像的梯度

 1 #include"stdafx.h"
 2 #include<opencv2\opencv.hpp>
 3 #include<opencv2\highgui\highgui.hpp>
 4 #include<iostream>
 5 #include<Windows.h>
 6 #include<time.h>
 7 
 8 using namespace std;  9 using namespace cv; 10 
11 // 常见数据结构使用方法
12 int main() 13 { 14     Mat img = imread("1.jpg"); 15     namedWindow("原始图",WINDOW_NORMAL); 16     imshow("原始图",img); 17 
18     // 膨胀操做
19 
20  Mat out1; 21     // 获取自定义核
22     Mat element1 = getStructuringElement(MORPH_RECT, Size(5,5));  // 第一个参数表示矩形的卷积核，还能够选择圆形的和交叉型的
23  dilate(img, out1, element1); 24     namedWindow("膨胀操做",WINDOW_NORMAL); 25     imshow("膨胀操做",out1); 26 
27     // 腐蚀操做
28 
29  Mat out2; 30     // 获取自定义核
31     Mat element2 = getStructuringElement(MORPH_RECT,Size(5,5));  // 第一个参数表示矩形的卷积核，还能够选择圆形的和交叉型的
32  erode(img,out2,element2); 33     namedWindow("腐蚀操做",WINDOW_NORMAL); 34     imshow("腐蚀操做",out2); 35 
36     waitKey(0); 37     return 0; 38 
39 }

2. 进阶操做

(1).腐蚀 
　　结构A被结构B腐蚀的定义为， 

　　  A⨀B={z|(B)z⊆A}A⨀B={z|(B)z⊆A}

　　能够理解为，移动结构B，若是结构B与结构A的交集彻底属于结构A的区域内，则保存该位置点，全部知足条件的点构成结构A被结构B腐蚀的结果。 （最上面那个绿色方框应该没有）

                                               

(2).膨胀 
　　结构A被结构B膨胀的定义为， 

 　　A⨁B={z|(B^)z⋂A≠∅}A⨁B={z|(B^)z⋂A≠∅}

　　能够理解为，将结构B在结构A上进行卷积操做，若是移动结构B的过程当中，与结构A存在重叠区域，则记录该位置，全部移动结构B与结构A存在交集的位置的集合为结构A在结构B做用下的膨胀结果。 
　　图示中红色框内的区域表示结构A在结构B的做用下膨胀的结果。

　　这里有另一个例子：

(3).开操做 

　　先腐蚀后膨胀的操做称之为开操做。它具备消除细小物体，在纤细处分离物体和平滑较大物体边界的做用。 采用上图的结构B对原件进行开操做，

(4).闭操做 

　　先膨胀后腐蚀的操做称之为闭操做。它具备填充物体内细小空洞，链接邻近物体和平滑边界的做用。 采用上图的结构对原件进行闭操做， 

 

3. 高级操做

(1). 顶帽运算

 　　为原图像与上文刚刚介绍的“开运算“的结果图之差，数学表达式以下：

　　由于开运算带来的结果是放大了裂缝或者局部低亮度的区域，所以，从原图中减去开运算后的图，获得的效果图突出了比原图轮廓周围的区域更明亮的区域，且这一操做和选择的核的大小相关。

　　顶帽运算每每用来分离比邻近点亮一些的斑块。当一幅图像具备大幅的背景的时候，而微小物品比较有规律的状况下，可使用顶帽运算进行背景提取。

(2). 黑帽运算

       为”闭运算“的结果图与原图像之差。数学表达式为：

　　

　　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，且这一操做和选择的核的大小相关。

　　黑帽运算用来分离比邻近点暗一些的斑块。

(3).  一些形态学操做的宏定义

 

 1 #include"stdafx.h"
 2 #include<opencv2\opencv.hpp>
 3 #include<opencv2\highgui\highgui.hpp>
 4 #include<iostream>
 5 #include<Windows.h>
 6 #include<time.h>
 7 
 8 using namespace std;  9 using namespace cv; 10 
11 
12 int main() 13 { 14     Mat img = imread("1.jpg"); 15     namedWindow("原始图",WINDOW_NORMAL); 16     imshow("原始图",img); 17 
18     // 高级形态学操做
19 
20     Mat out; 21     // 获取自定义核
22     Mat element = getStructuringElement(MORPH_RECT, Size(5,5));  // 第一个参数表示矩形的卷积核，还能够选择圆形的和交叉型的
23     morphologyEx(img, out, MORPH_GRADIENT, element);              // 各类形态学操做均可用此函数，具体使用什么操做取决于第三个参数，这里是形态学梯度操做。
24     namedWindow("梯度操做",WINDOW_NORMAL); 25     imshow("梯度操做",out); 26 
27     waitKey(0); 28     return 0; 29 
30 }