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
沃达德软件44 分钟前
智慧无人机图像识别分析技术
人工智能·目标检测·计算机视觉·目标跟踪·视觉检测·无人机
AI的探索之旅3 小时前
97 个 OpenCV 实例(三十七):二维码识别,一张图四个码的陷阱
c++·opencv·计算机视觉
晓天衡宇•评测社区5 小时前
当需求具体到图片尺寸,Nano Banana 2.1 交出了什么答案?
人工智能·计算机视觉
陈嘿萌1 天前
ACM MM 2026|告别密集交互!ProtoHGF-Net:基于原型超图的RGBT目标检测新范式
图像处理·人工智能·深度学习·目标检测·计算机视觉·学术研究与理论基础
指针向南1 天前
PDF 转 HTML 免费5种方法,体积0.5%到368%
图像处理·人工智能·计算机视觉·pdf
陕西亿鑫鸿物联技术有限公司1 天前
传统安防利旧升级实战:如何基于边缘计算接入海康大华IPC构建AI分析系统?
深度学习·计算机视觉·边缘计算·物联网架构·流媒体技术
拜小白1 天前
【论文解读】Ray-casting MLC:用几何感知光线投射做自训练房间布局估计
深度学习·计算机视觉·全景图
MarkHD2 天前
超分辨率与图像放大:从ESRGAN的纹理重建到UltimateSDUpscale的4K分块实战
人工智能·深度学习·计算机视觉
硅谷秋水2 天前
Agentic World Action Models(AW-0)贡献与不足分析
人工智能·机器学习·计算机视觉·语言模型·机器人
拜小白2 天前
【论文解读】OmniSRNet:畸变感知学习——从单张全向图像恢复房间结构
深度学习·计算机视觉·全景图