知识点:
1.闭运算:对图像先膨胀,再腐蚀。 白色前景物体中的小洞被填充;将误分割成碎片的物体重新连接
2.开运算:对图像先腐蚀,再膨胀 。 移除场景中比较小的物体;图像早点引起的(Blob)
以上都在视频序列中很有帮助,若将二值图像相继进行闭、开运算,获得的图像只显示场景中的主要物体。若有限处理噪点可先进行开运算再闭运算,但可能去除一些分散的物体。
3.
void morphologyEx( InputArray src, OutputArray dst,
int op, InputArray kernel,
Point anchor = Point(-1,-1), int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar& borderValue = morphologyDefaultBorderValue() );
第一个参数,InputArray类型的src,输入图像,即源图像,填Mat类的对象即可。图像位深应该为以下五种之一:CV_8U, CV_16U, CV_16S, CV_32F 或CV_64F。
第二个参数,OutputArray类型的dst,即目标图像,函数的输出参数,需要和源图片有一样的尺寸和类型。
第三个参数,int类型的op,表示形态学运算的类型,可以是如下之一的标识符:
MORPH_OPEN – 开运算(Opening operation)
MORPH_CLOSE – 闭运算(Closing operation)
MORPH_GRADIENT - 形态学梯度(Morphological gradient)
MORPH_TOPHAT - “顶帽”(“Top hat”)
MORPH_BLACKHAT - “黑帽”(“Black hat“)
第四个参数,InputArray类型的kernel,形态学运算的内核。若为NULL时,表示的是使用参考点位于中心3x3的核。我们一般使用函数 getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素(内核矩阵)。关于getStructuringElement我们上篇文章中讲过了,这里为了大家参阅方便,再写一遍:
其中,getStructuringElement函数的第一个参数表示内核的形状,我们可以选择如下三种形状之一 :
矩形: MORPH_RECT
交叉形 : MORPH_CROSS
椭圆形 : MORPH_ELLIPSE
而getStructuringElement函数的第二和第三个参数分别是内核的尺寸以及锚点的位置。
我们一般在调用erode以及dilate函数之前,先定义一个Mat类型的变量来获得getStructuringElement函数的返回值。对于锚点的位置,有默认值Point(-1, -1),表示锚点位于中心。且需要注意,十字形的element形状唯一依赖于锚点的位置。而在其他情况下,锚点只是影响了形态学运算结果的偏移。
第五个参数,Point类型的anchor,锚的位置,其有默认值( - 1, - 1),表示锚位于中心。
第六个参数,int类型的iterations,迭代使用函数的次数,默认值为1。
第七个参数,int类型的borderType,用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_ CONSTANT。
第八个参数,const Scalar&类型的borderValue,当边界为常数时的边界值,有默认值morphologyDefaultBorderValue(),一般我们不用去管他。需要用到它时,可以看官方文档中的createMorphologyFilter()函数得到更详细的解释
main:
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
cv::Mat resrve(cv::Mat src);//二值化图像取反
int main()
{
// Read input image
cv::Mat image = cv::imread("D:/1.jpg", 0);
if (!image.data)
return 0;
// Display the image
cv::namedWindow("Image");
cv::imshow("Image", image);
//二值化
cv::Mat thresholded, result;
cv::threshold(image, thresholded, 110, 255, cv::THRESH_BINARY);
cv::namedWindow("thresholded");
cv::imshow("thresholded", thresholded);
///图片的补(图像求反)
cv::Mat image2;
image2 = resrve(thresholded);
cv::namedWindow("resrved");
cv::imshow("resrved", image2);
//闭运算
cv::Mat elements5(5, 5, CV_8U, cv::Scalar(1));
cv::Mat closed;
cv::morphologyEx(image2, closed, cv::MORPH_CLOSE, elements5);
cv::namedWindow(" Closed Image");
cv::imshow(" Closed Image", closed);
//闭运算
/*// Dilate the image膨胀图像
cv::Mat dilated;
cv::dilate(image2, dilated, cv::Mat());
// Erode the image腐蚀图像
cv::Mat result1;
cv::erode(dilated, result1, cv::Mat());*/
// Display the eroded image
cv::namedWindow("Closed Image2");
cv::imshow("Closed Image2", result1);
cv::waitKey(0);
return 0;
}