C++OpenCV（7）：图像形态学基础操作

🔆 文章首发于我的个人博客：欢迎大佬们来逛逛
🔆 OpenCV项目地址及源代码：点击这里

---

膨胀与腐蚀

膨胀与腐蚀是数学形态学在图像处理中最基础的操作。

膨胀操作是取每个位置领域内最大值，所以膨胀后输出图像的总体亮度的平均值比起原图会有所升高，图像中比较亮的区域的面积会变大，而较暗物体的尺寸会减小甚至消失。(增加高亮部分)

void dilate( InputArray src, OutputArray dst, InputArray kernel,Point anchor = Point(-1,-1), int iterations = 1,int borderType = BORDER_CONSTANT,const Scalar& borderValue = morphologyDefaultBorderValue() );
/*******************************************************************
*			src： 					输入图像
*			dst：					输出图像
*			kernel:					膨胀操作的核
*					参数为0:中心3*3的核
*			anchor：					锚点
*					(-1,-1):表示位于中心
*			iterations:				 迭代的次数
*			borderType:				 图像外部像素的某种边界模式
*			borderValue:			 边界值，一般不管
*********************************************************************/

腐蚀是相反的操作，所以腐蚀就是求局部最小值的操作。(减少高亮部分)

void erode( InputArray src, OutputArray dst, InputArray kernel,Point anchor = Point(-1,-1), int iterations = 1,int borderType = BORDER_CONSTANT,const Scalar& 	borderValue = morphologyDefaultBorderValue() );
/*******************************************************************
*			src： 					输入图像
*			dst：					输出图像
*			kernel:					 腐蚀操作的核
*					参数为0:中心3*3的核
*			anchor：					锚点
*					(-1,-1):表示位于中心
*			iterations:				 迭代的次数
*			borderType:				 断图像外部像素的某种边界模式
*			borderValue:			 边界值，一般不管
*********************************************************************/

getStructuringElement函数可用于构造一个特定大小和形状的结构元素，用于图像形态学处理

Mat getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1));
/*******************************************************************
*			shape： 					形状类型
*			ksize：					大小
*			anchor：					锚点
*					(-1,-1):表示位于中心
*********************************************************************/
//shape取值
enum MorphShapes {MORPH_RECT    = 0, //矩形MORPH_CROSS   = 1, //十字交叉MORPH_ELLIPSE = 2  //椭圆                   
};

void testDilate() {cv::Mat kernel = cv::getStructuringElement(cv::MorphShapes::MORPH_RECT, cv::Size(5, 5));cv::dilate(mt, saves["膨胀"], kernel);}void testErode() {cv::Mat kernel = cv::getStructuringElement(cv::MorphShapes::MORPH_RECT, cv::Size(5, 5));cv::erode(mt, saves["腐蚀"], kernel);}

简单总结：

• 膨胀：增加高亮，减少阴暗
• 腐蚀：增加阴暗，减少高亮

---

形态学基础

处理类型	操作	作用
开运算	先腐蚀再膨胀	可在纤细点出分离物体。有助于消除噪音
闭运算	先膨胀后腐蚀	用于排除前景对象中的小孔或对象上的小黑点
形态学梯度	膨胀图与腐蚀图之差	用于保留目标物体的边缘轮廓
顶帽	原图与开运算图之差	分离比邻近点亮的斑块，用于突出原图像中比周围亮的区域
黑帽	闭运算图与原图差	分离比邻近点暗的斑块，突出原图像中比周围暗的区域

函数API：morphologyEx

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() );
/*******************************************************************
*			src： 					输入图像
*			dst：					输出图像
*			op:						 操作类型
*			kernel:					 操作的核
*					参数为0:中心3*3的核
*			anchor：					锚点
*					(-1,-1):表示位于中心
*			iterations:				 迭代的次数
*			borderType:				 图像外部像素的某种边界模式
*			borderValue:			 边界值，一般不管
*********************************************************************/
//操作类型
enum MorphTypes{MORPH_ERODE    = 0, //腐蚀MORPH_DILATE   = 1, //膨胀MORPH_OPEN     = 2, //开操作MORPH_CLOSE    = 3, //闭操作MORPH_GRADIENT = 4, //梯度操作MORPH_TOPHAT   = 5, //顶帽操作MORPH_BLACKHAT = 6, //黑帽操作MORPH_HITMISS  = 7  //随机操作，只支持CV_8UC1模式
}

void testMorphology() {cv::Mat kernel = cv::getStructuringElement(cv::MorphShapes::MORPH_RECT, cv::Size(5, 5));cv::morphologyEx(mt, saves["膨胀"],cv::MorphTypes::MORPH_DILATE, kernel);cv::morphologyEx(mt, saves["腐蚀"], cv::MorphTypes::MORPH_ERODE, kernel);cv::morphologyEx(mt, saves["开运算"], cv::MorphTypes::MORPH_OPEN, kernel);cv::morphologyEx(mt, saves["闭运算"], cv::MorphTypes::MORPH_CLOSE, kernel);cv::morphologyEx(mt, saves["梯度"], cv::MorphTypes::MORPH_GRADIENT, kernel);cv::morphologyEx(mt, saves["顶帽"], cv::MorphTypes::MORPH_TOPHAT, kernel);cv::morphologyEx(mt, saves["黑帽"], cv::MorphTypes::MORPH_BLACKHAT, kernel);}

---

参考：

OpenCV图像腐蚀与膨胀(13)_qq63e46f74301f3的技术博客_51CTO博客