【opencv】教程代码 —ImgProc (4) Hit or Miss形态学操作

4. HitMiss.cpp Hit or Miss形态学操作

kernel

cpp 复制代码
#include <opencv2/core.hpp> // 引入opencv库,用于处理序列和算子等基本数据结构
#include <opencv2/imgproc.hpp> // 引入opencv库,用于图片处理,包含图像过滤,几何转换,颜色转换等
#include <opencv2/highgui.hpp> // 引入opencv库,用于图像界面展示,存储以及鼠标交互等操作


using namespace cv; // 利用cv命名空间,减少代码量


int main(){ 
    // 创建一个8x8的矩阵,并初始化数据
    Mat input_image = (Mat_<uchar>(8, 8) << 
        0, 0, 0, 0, 0, 0, 0, 0,
        0, 255, 255, 255, 0, 0, 0, 255,
        0, 255, 255, 255, 0, 0, 0, 0,
        0, 255, 255, 255, 0, 255, 0, 0,
        0, 0, 255, 0, 0, 0, 0, 0,
        0, 0, 255, 0, 0, 255, 255, 0,
        0, 255, 0, 255, 0, 0, 255, 0,
        0, 255, 255, 255, 0, 0, 0, 0);


    // 创建一个3x3的矩阵,作为形态学操作的结构元素
    Mat kernel = (Mat_<int>(3, 3) <<
        0, 1, 0,
        1, -1, 1,
        0, 1, 0);


    Mat output_image; // 创建一个Mat对象,用来存储结果
    morphologyEx(input_image, output_image, MORPH_HITMISS, kernel); // 执行形态学操作


    const int rate = 50; 
    kernel = (kernel + 1) * 127; // 把kernel值调整到合理的显示范围内
    kernel.convertTo(kernel, CV_8U); // 将kernel的数据类型转换为8位无符号整数类型


    resize(kernel, kernel, Size(), rate, rate, INTER_NEAREST); // 缩放kernel,以显示在窗口上
    imshow("kernel", kernel); // 展示kernel结果
    moveWindow("kernel", 0, 0); // 移动window到指定位置


    resize(input_image, input_image, Size(), rate, rate, INTER_NEAREST); // 缩放input_image,以显示在窗口上
    imshow("Original", input_image); // 展示原始图片
    moveWindow("Original", 0, 200); //移动window到指定位置


    resize(output_image, output_image, Size(), rate, rate, INTER_NEAREST); // 缩放output_image,以显示在窗口上
    imshow("Hit or Miss", output_image); // 展示处理后的图片
    moveWindow("Hit or Miss", 500, 200); //移动window到指定位置


    waitKey(0); // 等待用户动作
    return 0; // 结束主函数
}

创建一个输入图像,并对其应用Hit-or-Miss转换(一种特定的形态学运算类型)。形态学操作的结果存储在另一图像中,并随后显示在屏幕上。代码还展示了如何创建用于形态学转换的核心,并显示原始和转换后的图像,以便比较。此程序的核心是**morphologyEx函数** ,它实现了形态学转换。这是一种处理数字图像和进行图像分析的基础工具,在计算机视觉和图像处理中非常常见。例如,可以用于移除图像中的噪声、执行图像分割,或者找出图像中的亮区域等。

相关推荐
挖坑的张师傅1 分钟前
对 AI Native 架构的一些思考
人工智能
LinQingYanga37 分钟前
极客时间多模态大模型训练营毕业总结(2026年2月8日)
人工智能
pccai-vip39 分钟前
过去24小时AI创业趋势分析
人工智能
SEO_juper39 分钟前
AI SEO实战:整合传统技术与AI生成搜索的优化框架
人工智能·chatgpt·facebook·seo·geo·aeo
pp起床40 分钟前
Gen_AI 补充内容 Logit Lens 和 Patchscopes
人工智能·深度学习·机器学习
方见华Richard42 分钟前
自指-认知几何架构 可行性边界白皮书(务实版)
人工智能·经验分享·交互·原型模式·空间计算
冬奇Lab1 小时前
AI时代的"工具自由":我是如何进入细糠时代的
人工智能·ai编程
m0_719084111 小时前
React笔记张天禹
前端·笔记·react.js
Ziky学习记录1 小时前
从零到实战:React Router 学习与总结
前端·学习·react.js
CODECOLLECT1 小时前
技术解析|MDM移动设备管理系统无终身买断制度的底层逻辑
人工智能