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
点云SLAM3 小时前
结构光三维重建原理详解(1)
人工智能·数码相机·计算机视觉·三维重建·结构光重建·gray 编码·标定校正
多看书少吃饭12 小时前
基于 OpenCV 的眼球识别算法以及青光眼算法识别
人工智能·opencv·计算机视觉
Blossom.11813 小时前
从“能写”到“能干活”:大模型工具调用(Function-Calling)的工程化落地指南
数据库·人工智能·python·深度学习·机器学习·计算机视觉·oracle
无妄无望13 小时前
目标计数论文阅读(1)Class-Agnostic Counting
论文阅读·计算机视觉
小王爱学人工智能14 小时前
利用OpenCV进行指纹识别的案例
人工智能·opencv·计算机视觉
小王爱学人工智能15 小时前
OpenCV的特征检测
人工智能·opencv·计算机视觉
AndrewHZ16 小时前
【图像处理基石】图像压缩有哪些经典算法?
图像处理·计算机视觉·dct·cv·图像压缩·哈夫曼编码·rle
chxin1401616 小时前
openCV3.0 C++ 学习笔记补充(自用 代码+注释)---持续更新 四(91-)
c++·opencv·计算机视觉
茜茜西西CeCe17 小时前
数字图像处理-巴特沃斯高通滤波、低通滤波
图像处理·opencv·计算机视觉·matlab·巴特沃斯高通滤波·巴特沃斯低通滤波
IT古董18 小时前
【第五章:计算机视觉】1.计算机视觉基础-(3)卷积神经网络核心层与架构分析:卷积层、池化层、归一化层、激活层
人工智能·计算机视觉·cnn