OpenCV 图形API(30)图像滤波-----腐蚀操作函数erode()

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

使用特定的结构元素腐蚀图像。

cv::gapi::erode 是 OpenCV 的 G-API 模块中用于执行图像腐蚀操作的函数。腐蚀是一种基本的形态学操作,通常用来移除物体边界上的小结构,或者断开两个连接在一起的对象

该函数通过指定的结构元素来腐蚀源图像,此结构元素决定了在计算像素邻域内的最小值时所采用的形状:
dst ( x , y ) = min ⁡ ( x ′ , y ′ ) :   element ( x ′ , y ′ ) ≠ 0 src ( x + x ′ , y + y ′ ) \texttt{dst} (x,y) = \min _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y') dst(x,y)=(x′,y′):element(x′,y′)=0minsrc(x+x′,y+y′)

腐蚀可以应用多次(迭代)。对于多通道图像,每个通道独立处理。支持的输入矩阵数据类型包括 CV_8UC1、CV_8UC3、CV_16UC1、CV_16SC1 和 CV_32FC1。输出图像必须与输入图像具有相同的类型、大小和通道数。

注意:

如果硬件支持,则会进行向最近偶数的舍入;如果不支持,则向最近的整数舍入。

函数的文本ID为 "org.opencv.imgproc.filters.erode"。

函数原型

cpp 复制代码
GMat cv::gapi::erode 
(
 	const GMat &  	src,
	const Mat &  	kernel,
	const Point &  	anchor = Point(-1,-1),
	int  	iterations = 1,
	int  	borderType = BORDER_CONSTANT,
	const Scalar &  	borderValue = morphologyDefaultBorderValue() 
) 		

参数

  • 参数 src:输入图像。
  • 参数 kernel:用于腐蚀的结构元素;如果 element=Mat(),则使用 3x3 的矩形结构元素。可以通过 getStructuringElement 创建核。
  • 参数 anchor:元素内锚点的位置;默认值 (-1, -1) 表示锚点位于元素中心。
  • 参数iterations:腐蚀操作被应用的次数。
  • 参数 borderType:像素外推方法,参见 cv::BorderTypes。
  • 参数 borderValue:在使用常量边界情况下边界的值。

代码示例

cpp 复制代码
#include <opencv2/gapi.hpp>
#include <opencv2/gapi/core.hpp>     // 包含G-API核心模块
#include <opencv2/gapi/imgproc.hpp>  // 包含G-API imgproc模块
#include <opencv2/opencv.hpp>

int main()
{
    // 加载图像
    cv::Mat src = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/Lenna.png", cv::IMREAD_GRAYSCALE );
    if ( src.empty() )
    {
        std::cerr << "无法加载图像" << std::endl;
        return -1;
    }

    // 定义核大小
    cv::Mat kernel = cv::getStructuringElement( cv::MORPH_RECT, cv::Size( 3, 3 ) );

    // 创建GAPI图:定义输入输出
    cv::GMat in;
    auto eroded = cv::gapi::erode( in, kernel );
    cv::GComputation comp( cv::GIn( in ), cv::GOut( eroded ) );

    // 应用到输入图像上
    cv::Mat out;
    comp.apply( src, out );  // 直接应用,无需额外的编译参数

    // 如果需要特定的编译参数,可以这样添加:
    // comp.apply(src, out, cv::compile_args(cv::gapi::kernels<cv::gapi::core::cpu::Erode>()));

    // 显示结果
    cv::imshow( "Original Image", src );
    cv::imshow( "Eroded Image", out );
    cv::waitKey();

    return 0;
}

运行结果

相关推荐
金井PRATHAMA4 小时前
描述逻辑(Description Logic)对自然语言处理深层语义分析的影响与启示
人工智能·自然语言处理·知识图谱
Rock_yzh4 小时前
AI学习日记——参数的初始化
人工智能·python·深度学习·学习·机器学习
CiLerLinux6 小时前
第四十九章 ESP32S3 WiFi 路由实验
网络·人工智能·单片机·嵌入式硬件
七芒星20237 小时前
多目标识别YOLO :YOLOV3 原理
图像处理·人工智能·yolo·计算机视觉·目标跟踪·分类·聚类
Learn Beyond Limits8 小时前
Mean Normalization|均值归一化
人工智能·神经网络·算法·机器学习·均值算法·ai·吴恩达
ACERT3338 小时前
5.吴恩达机器学习—神经网络的基本使用
人工智能·python·神经网络·机器学习
C嘎嘎嵌入式开发8 小时前
(一) 机器学习之深度神经网络
人工智能·神经网络·dnn
Aaplloo8 小时前
【无标题】
人工智能·算法·机器学习
大模型任我行8 小时前
复旦:LLM隐式推理SIM-CoT
人工智能·语言模型·自然语言处理·论文笔记
tomlone9 小时前
AI大模型核心概念
人工智能