🔆 文章首发于我的个人博客：欢迎大佬们来逛逛
🔆 OpenCV项目地址及源代码：点击这里
文章目录
膨胀与腐蚀
膨胀与腐蚀是数学形态学在图像处理中最基础的操作。
膨胀操作是取每个位置领域内最大值，所以膨胀后输出图像的总体亮度的平均值比起原图会有所升高，图像中比较亮的区域的面积会变大，而较暗物体的尺寸会减小甚至消失。(增加高亮部分)
cpp
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： 输入图像
* dst： 输出图像
* kernel: 膨胀操作的核
* 参数为0:中心3*3的核
* anchor： 锚点
* (-1,-1):表示位于中心
* iterations: 迭代的次数
* borderType: 图像外部像素的某种边界模式
* borderValue: 边界值，一般不管
*********************************************************************/腐蚀是相反 的操作，所以腐蚀就是求局部最小值的操作。(减少高亮部分)
cpp
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： 输入图像
* dst： 输出图像
* kernel: 腐蚀操作的核
* 参数为0:中心3*3的核
* anchor： 锚点
* (-1,-1):表示位于中心
* iterations: 迭代的次数
* borderType: 断图像外部像素的某种边界模式
* borderValue: 边界值，一般不管
*********************************************************************/getStructuringElement函数可用于构造一个特定大小和形状的结构元素，用于图像形态学处理
cpp
Mat getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1));
/*******************************************************************
* shape： 形状类型
* ksize： 大小
* anchor： 锚点
* (-1,-1):表示位于中心
*********************************************************************/
//shape取值
enum MorphShapes {
MORPH_RECT = 0, //矩形
MORPH_CROSS = 1, //十字交叉
MORPH_ELLIPSE = 2 //椭圆
};
cpp
void testDilate() {
cv::Mat kernel = cv::getStructuringElement(cv::MorphShapes::MORPH_RECT, cv::Size(5, 5));
cv::dilate(mt, saves["膨胀"], kernel);
}
void testErode() {
cv::Mat kernel = cv::getStructuringElement(cv::MorphShapes::MORPH_RECT, cv::Size(5, 5));
cv::erode(mt, saves["腐蚀"], kernel);
}
简单总结：
- 膨胀：增加高亮，减少阴暗
- 腐蚀：增加阴暗，减少高亮
形态学基础
| 处理类型 | 操作 | 作用 |
|---|---|---|
| 开运算 | 先腐蚀再膨胀 | 可在纤细点出分离物体。有助于消除噪音 |
| 闭运算 | 先膨胀后腐蚀 | 用于排除前景对象中的小孔或对象上的小黑点 |
| 形态学梯度 | 膨胀图与腐蚀图之差 | 用于保留目标物体的边缘轮廓 |
| 顶帽 | 原图与开运算图之差 | 分离比邻近点亮的斑块，用于突出原图像中比周围亮的区域 |
| 黑帽 | 闭运算图与原图差 | 分离比邻近点暗的斑块，突出原图像中比周围暗的区域 |
函数API：morphologyEx
cpp
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() );
/*******************************************************************
* src： 输入图像
* dst： 输出图像
* op: 操作类型
* kernel: 操作的核
* 参数为0:中心3*3的核
* anchor： 锚点
* (-1,-1):表示位于中心
* iterations: 迭代的次数
* borderType: 图像外部像素的某种边界模式
* borderValue: 边界值，一般不管
*********************************************************************/
//操作类型
enum MorphTypes{
MORPH_ERODE = 0, //腐蚀
MORPH_DILATE = 1, //膨胀
MORPH_OPEN = 2, //开操作
MORPH_CLOSE = 3, //闭操作
MORPH_GRADIENT = 4, //梯度操作
MORPH_TOPHAT = 5, //顶帽操作
MORPH_BLACKHAT = 6, //黑帽操作
MORPH_HITMISS = 7 //随机操作，只支持CV_8UC1模式
}
cpp
void testMorphology() {
cv::Mat kernel = cv::getStructuringElement(cv::MorphShapes::MORPH_RECT, cv::Size(5, 5));
cv::morphologyEx(mt, saves["膨胀"],cv::MorphTypes::MORPH_DILATE, kernel);
cv::morphologyEx(mt, saves["腐蚀"], cv::MorphTypes::MORPH_ERODE, kernel);
cv::morphologyEx(mt, saves["开运算"], cv::MorphTypes::MORPH_OPEN, kernel);
cv::morphologyEx(mt, saves["闭运算"], cv::MorphTypes::MORPH_CLOSE, kernel);
cv::morphologyEx(mt, saves["梯度"], cv::MorphTypes::MORPH_GRADIENT, kernel);
cv::morphologyEx(mt, saves["顶帽"], cv::MorphTypes::MORPH_TOPHAT, kernel);
cv::morphologyEx(mt, saves["黑帽"], cv::MorphTypes::MORPH_BLACKHAT, kernel);
}
参考：