26.OpenCV形态学操作

OpenCV形态学操作

形态学操作(Morphological Operations)源自二值图像处理,主要用于分析和处理图像中的结构元素,对图像进行去噪、提取边缘、分割等预处理步骤。OpenCV库中提供了丰富的形态学函数,常见的包括:

  • 膨胀(Dilation)
  • 腐蚀(Erosion)
  • 开操作(Opening)
  • 闭操作(Closing)
  • 形态学梯度(Morphological Gradient)
  • 顶帽(Top Hat)
  • 黑帽(Black Hat)

下面将逐一介绍这些操作的原理、用途,以及在 C++ 中的使用方法。

1. 基础概念:结构元素(Kernel)

形态学操作的核心是"结构元素":一个二值矩阵,用来扫描图像并决定像素的处理方式。在 OpenCV 中,我们通常使用 getStructuringElement 来创建常见形状的结构元素:

cpp 复制代码
// 创建 5×5 的矩形结构元素
Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5));
// 创建 3×3 的椭圆结构元素
Mat kernelEllipse = getStructuringElement(MORPH_ELLIPSE, Size(3, 3));
// 创建 7×7 的交叉形结构元素
Mat kernelCross = getStructuringElement(MORPH_CROSS, Size(7, 7));

2. 膨胀(Dilation)与腐蚀(Erosion)

2.1 腐蚀(Erosion)

  • 原理:用结构元素"擦除"边缘,使前景对象变小。
  • 用途:去除小噪点、断开细小的连通区域。
cpp 复制代码
Mat src = imread("input.jpg", IMREAD_GRAYSCALE);
Mat eroded;
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
erode(src, eroded, kernel);

如上图腐蚀可以把白点去除

2.2 膨胀(Dilation)

  • 原理:用结构元素"扩展"边缘,使前景对象变大。
  • 用途:填补小孔洞、连接相邻的对象。
cpp 复制代码
Mat src = imread("input.jpg", IMREAD_GRAYSCALE);
Mat dilated;
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
dilate(src, dilated, kernel);

如上图膨胀会把数字A中的小黑点去除

3. 开操作(Opening)与闭操作(Closing)

对腐蚀和膨胀的组合操作

3.1 开操作(Opening)

  • 定义:先腐蚀后膨胀(Erosion → Dilation)。
  • 效果:去除小的光斑噪点,同时保持整体轮廓不变。
cpp 复制代码
Mat opened;
morphologyEx(src, opened, MORPH_OPEN, kernel);

开操作对比腐蚀,去除白点后保证中间黑点和字母A大小不变

3.2 闭操作(Closing)

  • 定义:先膨胀后腐蚀(Dilation → Erosion)。
  • 效果:填补前景对象的小孔洞,同时保持整体轮廓不变。
cpp 复制代码
Mat closed;
morphologyEx(src, closed, MORPH_CLOSE, kernel);

闭操作对比膨胀,其去除中间黑点同时保证外围白点和字母A大小不变

4. 形态学梯度(Morphological Gradient)

  • 定义:膨胀结果与腐蚀结果之间的差值:

    G r a d i e n t = D i l a t i o n ( s r c ) − E r o s i o n ( s r c ) Gradient=Dilation(src)−Erosion(src) Gradient=Dilation(src)−Erosion(src)

  • 用途:突出获取图像边缘。

cpp 复制代码
Mat gradient;
morphologyEx(src, gradient, MORPH_GRADIENT, kernel);

突出图像边缘

5. 顶帽(Top Hat)与黑帽(Black Hat)

5.1 顶帽(Top Hat)

  • 定义 :原图像与开操作结果的差值: T o p H a t = s r c − O p e n i n g ( s r c ) TopHat=src−Opening(src) TopHat=src−Opening(src)
  • 用途:提取比背景亮的细小区域(小光斑)。
cpp 复制代码
Mat tophat;
morphologyEx(src, tophat, MORPH_TOPHAT, kernel);

突出背景亮点

5.2 黑帽(Black Hat)

  • 定义 :闭操作结果与原图像的差值: B l a c k H a t = C l o s i n g ( s r c ) − s r c BlackHat=Closing(src)−src BlackHat=Closing(src)−src
  • 用途:提取比背景暗的细小区域(小暗点)。
cpp 复制代码
Mat blackhat;
morphologyEx(src, blackhat, MORPH_BLACKHAT, kernel);

突出中间黑点区域

6. 小结

  • 腐蚀 / 膨胀:最基本的形态学操作,用于缩小或扩展前景区域。
  • 开 / 闭操作:腐蚀与膨胀的组合,开操作用于去除小噪点,闭操作用于填补小孔洞。
  • 形态学梯度:用于提取边缘信息。
  • 顶帽 / 黑帽:分别用于突出小的亮区域与暗区域。

掌握这些形态学操作后配合掩膜,你可以在图像预处理、特征提取、目标分割等任务中如虎添翼。

相关推荐
数智顾问4 分钟前
AI自动化测试:接口测试全流程自动化的实现方法——从需求到落地的全链路实践
运维·人工智能·自动化
AI人工智能+41 分钟前
表格识别技术:突破传统OCR的局限,通过定位-解析-重建三步策略攻克无边框、合并单元格等视觉难题
人工智能·深度学习·ocr·表格识别
夫子3961 小时前
【深度干货】Transformer推理优化完全指南:模型压缩、推理加速与硬件调优
人工智能·llm
Elastic 中国社区官方博客1 小时前
AutoOps:简化自管理 Elasticsearch 的旅程
大数据·人工智能·elasticsearch·搜索引擎·全文检索
chatexcel1 小时前
ChatExcel将发布数据分析Mini AI 工作站
大数据·人工智能·数据分析
HuggingFace1 小时前
Gaia2 与 ARE:赋能社区的智能体评测
人工智能
丁学文武1 小时前
大模型原理与实践:第三章-预训练语言模型详解_第1部分-Encoder-only(BERT、RoBERTa、ALBERT)
人工智能·语言模型·nlp·bert·roberta·大模型应用·encoder-only
攻城狮7号1 小时前
NVIDIA开源Audio2Face模型与SDK,数字人表情迎来“灵魂”时刻
人工智能·nvidia·开源模型·audio2face
许泽宇的技术分享1 小时前
Flutter + Ollama:开启本地AI的全平台新纪元 —— 从零剖析一款现代化AI客户端的技术奥秘
人工智能·flutter
不枯石1 小时前
Matlab通过GUI实现点云的ICP配准
linux·前端·图像处理·计算机视觉·matlab