OpenCV 图形API(27)图像滤波-----膨胀函数dilate()

  • 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膨胀图像。

cv::gapi::dilate 是 OpenCV G-API 模块中的一个函数,用于对图像执行膨胀操作。膨胀是一种形态学操作,通常用于扩大前景对象的边界区域(即白色部分,在二值图像中)。这个操作对于去除小的暗斑点(噪声)和连接靠近的前景像素非常有用。

该函数通过指定的结构元素来膨胀源图像,此结构元素决定了在计算最大值时使用的像素邻域的形状:
dst ( x , y ) = max ⁡ ( x ′ , y ′ ) :   element ( x ′ , y ′ ) ≠ 0 src ( x + x ′ , y + y ′ ) \texttt{dst} (x,y) = \max _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y') dst(x,y)=(x′,y′):element(x′,y′)=0maxsrc(x+x′,y+y′)

膨胀操作可以应用多次(迭代)。对于多通道图像,每个通道会独立处理。支持的输入矩阵数据类型为 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,则进行四舍五入到最近的偶数;如果不支持,则四舍五入到最近的整数。

函数文本ID是 "org.opencv.imgproc.filters.dilate"

函数原型

cpp 复制代码
GMat cv::gapi::dilate 	
(
 	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: 用于膨胀的结构元素;如果 kernel=Mat(),则使用 3x3 的矩形结构元素。可以通过 getStructuringElement 创建内核。
  • 参数 anchor: 结构元素中锚点的位置;默认值 (-1, -1) 表示锚点位于元素中心。
  • 参数 iterations: 膨胀操作的应用次数。
  • 参数 borderType: 像素外推方法,参见 cv::BorderTypes。
  • 参数 borderValue: 在使用常量边界类型时使用的边界值。

代码示例

cpp 复制代码
#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 img = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/Lenna.png", cv::IMREAD_GRAYSCALE );  // 使用灰度图以简化示例
    if ( img.empty() )
    {
        std::cerr << "无法加载图像" << std::endl;
        return -1;
    }

    // 定义结构元素
    cv::Mat kernel = cv::getStructuringElement( cv::MORPH_RECT, cv::Size( 5, 5 ) );

    // 定义G-API计算图
    cv::GMat in;
    auto out = cv::gapi::dilate( in, kernel );

    // 创建并运行G-API编译器
    cv::GComputation comp( cv::GIn( in ), cv::GOut( out ) );
    cv::Mat dst;
    comp.apply( img, dst, cv::compile_args( cv::gapi::kernels() ) );

    // 显示结果
    cv::imshow( "Original Image", img );
    cv::imshow( "Dilated Image", dst );
    cv::waitKey();

    return 0;
}

运行结果

相关推荐
CoovallyAIHub3 天前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉
CoovallyAIHub3 天前
YOLO-IOD深度解析:打破实时增量目标检测的三重知识冲突
深度学习·算法·计算机视觉
这张生成的图像能检测吗5 天前
(论文速读)XLNet:语言理解的广义自回归预训练
人工智能·计算机视觉·nlp·注意力机制
十铭忘5 天前
自主认知-行动1——架构
人工智能·计算机视觉
yuzhuanhei5 天前
YOLO26实操记录(自用)
人工智能·计算机视觉·目标跟踪
sali-tec5 天前
C# 基于OpenCv的视觉工作流-章27-图像分割
图像处理·人工智能·opencv·算法·计算机视觉
saoys5 天前
Opencv 学习笔记:腐蚀操作 + 轮廓标记 + 分水岭分割
笔记·opencv·学习