【android opencv学习笔记】Day 21: 形态学开运算与闭运算

形态学开运算与闭运算详解

开运算与闭运算是腐蚀和膨胀的组合形态学运算，是图像处理中去噪、补洞、目标分割的核心工具。

本文将从原理讲解、API解析、Android完整源码实现三个维度，带你彻底掌握这两种运算。

核心原理：开运算与闭运算

1. 前置知识回顾

腐蚀（Erosion）：邻域有黑则中心变黑，收缩前景、去除亮噪声
膨胀（Dilation）：邻域有白则中心变白，扩张前景、填充暗孔洞

开运算与闭运算就是这两个基础操作的有序组合。

2. 开运算（Opening）：先腐蚀后膨胀

定义：开运算 = 腐蚀(Erosion) → 膨胀(Dilation)

操作顺序：先对图像腐蚀，再用相同结构元素膨胀
效果：
1. 消除背景中的小白点噪声（腐蚀阶段直接吃掉无法被结构元素容纳的小物体）
2. 平滑前景物体的边缘
3. 不明显改变前景物体的整体大小（腐蚀后再膨胀，主体轮廓会恢复）
典型场景：文本识别前去除背景噪点、工业质检中过滤微小亮点缺陷

3. 闭运算（Closing）：先膨胀后腐蚀

定义：闭运算 = 膨胀(Dilation) → 腐蚀(Erosion)

操作顺序：先对图像膨胀，再用相同结构元素腐蚀
效果：
1. 填充前景物体内部的小黑孔洞/裂缝（膨胀阶段先把洞填满，再腐蚀恢复轮廓）
2. 连接邻近的小目标（比如断裂的文字笔画）
3. 不明显改变前景物体的整体大小（膨胀后再腐蚀，主体轮廓会恢复）
典型场景：修复扫描文本中的断裂文字、填充目标物体的内部孔洞

4. 关键性质与对比

运算	操作顺序	核心作用	适用场景
开运算	腐蚀→膨胀	去亮噪、平滑边缘	背景噪点去除、前景物体分离
闭运算	膨胀→腐蚀	补暗洞、连接目标	物体内部孔洞填充、断裂目标连接

注意：开运算和闭运算都是幂等运算，即对同一图像重复执行相同运算，结果不会再发生变化。

OpenCV 核心 API 解析

OpenCV 提供了 cv::morphologyEx 函数，可直接实现所有高级形态学运算，无需手动组合腐蚀和膨胀。

1. 函数原型（C++）

cpp 复制代码

void morphologyEx(
    InputArray src,          // 输入图像（单通道，灰度/二值）
    OutputArray dst,         // 输出图像
    int op,                  // 形态学运算类型
    InputArray kernel,       // 结构元素（由getStructuringElement生成）
    Point anchor = Point(-1,-1), // 锚点（默认中心）
    int iterations = 1       // 重复次数（一般为1）
);

2. 关键参数 `op` 取值

MORPH_OPEN：开运算（先腐蚀后膨胀）
MORPH_CLOSE：闭运算（先膨胀后腐蚀）
MORPH_GRADIENT：形态学梯度（膨胀-腐蚀，提取边缘）
MORPH_TOPHAT：顶帽运算（原图-开运算，提取亮噪声）
MORPH_BLACKHAT：黑帽运算（闭运算-原图，提取暗孔洞）

3. Android/Java 版本 API

java 复制代码

Imgproc.morphologyEx(
    Mat src,                // 输入图像
    Mat dst,                // 输出图像
    int op,                 // 运算类型（如Imgproc.MORPH_OPEN）
    Mat kernel              // 结构元素
);

Android 完整项目实现

1. 布局文件：activity_main.xml

垂直分布，依次显示原图、开运算结果、闭运算结果：

xml 复制代码

<?xml version="1.0" encoding="utf-8"?>
<LinearLayout xmlns:android="http://schemas.android.com/apk/res/android"
    android:layout_width="match_parent"
    android:layout_height="match_parent"
    android:orientation="vertical"
    android:padding="8dp">

    <!-- 原图 -->
    <ImageView
        android:id="@+id/iv_original"
        android:layout_width="match_parent"
        android:layout_height="0dp"
        android:layout_weight="1"
        android:scaleType="fitCenter"
        android:adjustViewBounds="true"/>

    <!-- 开运算结果 -->
    <ImageView
        android:id="@+id/iv_opened"
        android:layout_width="match_parent"
        android:layout_height="0dp"
        android:layout_weight="1"
        android:layout_marginTop="4dp"
        android:scaleType="fitCenter"
        android:adjustViewBounds="true"/>

    <!-- 闭运算结果 -->
    <ImageView
        android:id="@+id/iv_closed"
        android:layout_width="match_parent"
        android:layout_height="0dp"
        android:layout_weight="1"
        android:layout_marginTop="4dp"
        android:scaleType="fitCenter"
        android:adjustViewBounds="true"/>

</LinearLayout>

2. Kotlin 上层代码：MainActivity.kt

负责图片加载、调用 C++ 算法、结果展示：

kotlin 复制代码

package com.nicoli.hellomorphology

import android.graphics.Bitmap
import android.graphics.BitmapFactory
import android.os.Bundle
import android.widget.ImageView
import androidx.appcompat.app.AppCompatActivity

class MainActivity : AppCompatActivity() {
    companion object {
        init {
            System.loadLibrary("native-lib")
        }
    }

    // JNI 接口声明
    // 1. 二值化预处理
    private external fun binarizeImage(src: Bitmap, out: Bitmap, thresh: Int)
    // 2. 开运算（先腐蚀后膨胀）
    private external fun openImage(src: Bitmap, out: Bitmap, kernelSize: Int)
    // 3. 闭运算（先膨胀后腐蚀）
    private external fun closeImage(src: Bitmap, out: Bitmap, kernelSize: Int)

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_main)

        // 1. 加载原图（带噪点和孔洞的二值图像）
        val originalBitmap = BitmapFactory.decodeResource(resources, R.drawable.noisy_binary)

        // 2. 创建输出位图
        val binaryBitmap = Bitmap.createBitmap(originalBitmap.width, originalBitmap.height, Bitmap.Config.ARGB_8888)
        val openedBitmap = Bitmap.createBitmap(originalBitmap.width, originalBitmap.height, Bitmap.Config.ARGB_8888)
        val closedBitmap = Bitmap.createBitmap(originalBitmap.width, originalBitmap.height, Bitmap.Config.ARGB_8888)

        // 3. 执行算法流程
        binarizeImage(originalBitmap, binaryBitmap, 127)  // 二值化预处理
        openImage(binaryBitmap, openedBitmap, 5)           // 5×5 结构元素开运算
        closeImage(binaryBitmap, closedBitmap, 5)         // 5×5 结构元素闭运算

        // 4. 显示结果
        findViewById<ImageView>(R.id.iv_original).setImageBitmap(originalBitmap)
        findViewById<ImageView>(R.id.iv_opened).setImageBitmap(openedBitmap)
        findViewById<ImageView>(R.id.iv_closed).setImageBitmap(closedBitmap)
    }
}

3. C++ 核心算法：native-lib.cpp（逐行注释）

cpp 复制代码

#include <jni.h>
#include <opencv2/opencv.hpp>
#include <android/bitmap.h>

using namespace cv;
using namespace std;

// ====================== 工具函数：Bitmap ↔ Mat 转换 ======================
Mat bitmapToMat(JNIEnv *env, jobject bitmap) {
    AndroidBitmapInfo info;
    void* pixels;
    AndroidBitmap_getInfo(env, bitmap, &info);
    AndroidBitmap_lockPixels(env, bitmap, &pixels);

    Mat rgba(info.height, info.width, CV_8UC4, pixels);
    Mat gray;
    cvtColor(rgba, gray, COLOR_RGBA2GRAY); // 转为灰度图
    AndroidBitmap_unlockPixels(env, bitmap);
    return gray;
}

void matToBitmap(JNIEnv *env, const Mat& srcMat, jobject dstBitmap) {
    AndroidBitmapInfo info;
    void* pixels;
    AndroidBitmap_getInfo(env, dstBitmap, &info);
    AndroidBitmap_lockPixels(env, dstBitmap, &pixels);

    Mat rgba;
    cvtColor(srcMat, rgba, COLOR_GRAY2RGBA); // 转为 RGBA
    memcpy(pixels, rgba.data, info.width * info.height * 4);
    AndroidBitmap_unlockPixels(env, dstBitmap);
}

// ====================== 预处理：图像二值化 ======================
void binarizeImpl(const Mat& src, Mat& out, int threshVal) {
    threshold(src, out, threshVal, 255, THRESH_BINARY);
}

// ====================== 核心：开运算（先腐蚀后膨胀） ======================
void openImpl(const Mat& src, Mat& out, int kernelSize) {
    // 创建结构元素：kernelSize×kernelSize 矩形
    Mat element = getStructuringElement(MORPH_RECT, Size(kernelSize, kernelSize));
    // 直接调用 morphologyEx 实现开运算
    morphologyEx(src, out, MORPH_OPEN, element);
}

// ====================== 核心：闭运算（先膨胀后腐蚀） ======================
void closeImpl(const Mat& src, Mat& out, int kernelSize) {
    // 创建结构元素：kernelSize×kernelSize 矩形
    Mat element = getStructuringElement(MORPH_RECT, Size(kernelSize, kernelSize));
    // 直接调用 morphologyEx 实现闭运算
    morphologyEx(src, out, MORPH_CLOSE, element);
}

// ====================== JNI 接口 ======================
extern "C" JNIEXPORT void JNICALL
Java_com_nicoli_hellomorphology_MainActivity_binarizeImage
(JNIEnv *env, jobject thiz, jobject srcBitmap, jobject outBitmap, jint thresh) {
    Mat src = bitmapToMat(env, srcBitmap);
    Mat out;
    binarizeImpl(src, out, thresh);
    matToBitmap(env, out, outBitmap);
}

extern "C" JNIEXPORT void JNICALL
Java_com_nicoli_hellomorphology_MainActivity_openImage
(JNIEnv *env, jobject thiz, jobject srcBitmap, jobject outBitmap, jint kernelSize) {
    Mat src = bitmapToMat(env, srcBitmap);
    Mat out;
    openImpl(src, out, kernelSize);
    matToBitmap(env, out, outBitmap);
}

extern "C" JNIEXPORT void JNICALL
Java_com_nicoli_hellomorphology_MainActivity_closeImage
(JNIEnv *env, jobject thiz, jobject srcBitmap, jobject outBitmap, jint kernelSize) {
    Mat src = bitmapToMat(env, srcBitmap);
    Mat out;
    closeImpl(src, out, kernelSize);
    matToBitmap(env, out, outBitmap);
}

效果与参数详解

1. 运行效果

原图：带有背景小白噪点和前景内部小黑洞的二值图像
开运算结果：背景中的小白噪点被完全消除，前景物体边缘平滑，整体大小无明显变化
闭运算结果：前景物体内部的小黑洞被填充，邻近的断裂目标被连接，整体大小无明显变化

2. 关键参数说明

结构元素大小（kernelSize） ：
- 3×3：轻微去噪/补洞，适合小瑕疵处理
- 5×5/7×7：效果更明显，可去除较大噪点或填充较大孔洞
结构元素形状 ：
- MORPH_RECT：矩形（默认，适合大多数场景）
- MORPH_CROSS：十字形（适合线性目标处理）
- MORPH_ELLIPSE：椭圆形（适合圆形目标处理）

扩展应用：形态学滤波组合使用

在实际项目中，通常会先开运算再闭运算，实现"去噪+补洞"的完整图像预处理流程：

cpp 复制代码

// 先开运算去除背景噪点
morphologyEx(src, opened, MORPH_OPEN, element);
// 再闭运算填充前景孔洞
morphologyEx(opened, finalResult, MORPH_CLOSE, element);

这种组合可以同时消除背景噪声和前景瑕疵，得到干净的二值图像，为后续的轮廓检测、连通组件分析等步骤打下基础。

总结

开运算与闭运算是形态学滤波的进阶操作，它们通过组合腐蚀和膨胀，解决了单一操作无法同时处理背景噪声和前景瑕疵的问题。在文本识别、工业质检、医学影像处理等场景中，它们是图像预处理的核心工具。

【android opencv学习笔记】Day 21: 形态学开运算与闭运算

形态学开运算与闭运算详解

核心原理：开运算与闭运算

1. 前置知识回顾

2. 开运算（Opening）：先腐蚀后膨胀

3. 闭运算（Closing）：先膨胀后腐蚀

4. 关键性质与对比

OpenCV 核心 API 解析

1. 函数原型（C++）

2. 关键参数 op 取值

3. Android/Java 版本 API

Android 完整项目实现

1. 布局文件：activity_main.xml

2. Kotlin 上层代码：MainActivity.kt

3. C++ 核心算法：native-lib.cpp（逐行注释）

效果与参数详解

1. 运行效果

2. 关键参数说明

扩展应用：形态学滤波组合使用

总结

2. 关键参数 `op` 取值