计算机视觉全系列实战教程 (十三)：图像形态学操作

1.基本概述

(1)What

图像的形态学操作的本质：集合间的运算 + 几何学

(2)Why(有什么用途）

消除噪声、边缘提取、区域填充、细化和粗化、分割独立的图像元素、求图像梯度、求极大值区域或极小值区域等。

(3)Which(有哪些常见的形态学操作)

A.膨胀
使得图像中“亮色”范围依据传入的结构元kernel扩张
B.腐蚀
使得图像中“暗色”范围依据传入的结构元kernel扩张
C.开运算
先腐蚀，后膨胀（移除小的“亮色”对象）
D.闭运算
先膨胀，后腐蚀（移除小的“暗色”对象）
E.顶帽运算
顶帽 = 原图 - 开运算的结果（分离得到一些“亮”区域）
F.黑帽运算
黑猫 = 闭运算 - 原图（分离得到一些“暗”区域）
G.击中与击不中

2. 如何进行形态学操作

(1)膨胀和腐蚀

这是形态学中最基本的两种操作，其它形态学操作都是基于这两种基本操作进行的。我这里称之为形态学的“基元操作”

step01：获取结构元
矩形（MORPH_RECT）、十字形（MORPH_CROSS）、椭圆形（MORPH_ELLIPSE）

//得到3阶矩阵，形状为矩形（值全为1）
cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));
//形状为十字形（十字形区域全为1，其它为0）
kernel = cv::getStructuringElement(cv::MORPH_CROSS, cv::Size(3,3));

step02：膨胀和腐蚀
方式一：erode和dilate

int iTms = 10; //腐蚀和膨胀的次数
cv::Mat imTmp01, imTmp02;
cv::dilate(imGray, imTmp01, kernel, cv::Point(-1, -1), iTms);
cv::erode(imGray, imTmp02, kernel, cv::Point(-1, -1), iTms);

方式二：morphologyEx（还可以进行其它形态学操作：开、闭、顶帽、黑帽等）

int iTms = 10; //腐蚀和膨胀的次数
cv::Mat imTmp03, imTmp04;
cv::morphologyEx(imGray, imTmp03, cv::MORPH_ERODE, kernel, cv::Point(-1, -1), iTms);
cv::morphologyEx(imGray, imTmp04, cv::MORPH_DILATE, kernel, cv::Point(-1, -1), iTms);

(2)开运算和闭运算

MORPH_OPEN、MORPH_CLOSE

int iTms = 10; //腐蚀和膨胀的次数
cv::Mat imTmp05, imTmp06;
cv::morphologyEx(imGray, imTmp05, cv::MORPH_OPEN, kernel, cv::Point(-1, -1), iTms);
cv::morphologyEx(imGray, imTmp06, cv::MORPH_CLOSE, kernel, cv::Point(-1, -1), iTms);

(3)顶帽和黑帽

int iTms = 10; //腐蚀和膨胀的次数
cv::Mat imTmp07, imTmp08;
cv::morphologyEx(imGray, imTmp07, cv::MORPH_TOPHAT, kernel, cv::Point(-1, -1), iTms);
cv::morphologyEx(imGray, imTmp08, cv::MORPH_BLACKHAT, kernel, cv::Point(-1, -1), iTms);