目标
本文档尝试解答如下问题:
- 如何使用OpenCV函数 morphologyEx 进行形态学操作:
- 开运算 (Opening)
- 闭运算 (Closing)
- 形态梯度 (Morphological Gradient)
- 顶帽 (Top Hat)
- 黑帽(Black Hat)
原理
Note
以下内容来自于Bradski和Kaehler的大作 Learning OpenCV 。
前一节我们讨论了两种最基本的形态学操作:
- 腐蚀 (Erosion)
- 膨胀 (Dilation)
运用这两个基本操作,我们可以实现更高级的形态学变换。这篇文档将会简要介绍OpenCV提供的5种高级形态学操作:
开运算 (Opening)
-
开运算是通过先对图像腐蚀再膨胀实现的。

-
能够排除小团块物体(假设物体较背景明亮)
-
请看下面,左图是原图像,右图是采用开运算转换之后的结果图。 观察发现字母拐弯处的白色空间消失。

闭运算(Closing)
-
闭运算是通过先对图像膨胀再腐蚀实现的。

-
能够排除小型黑洞(黑色区域)。

形态梯度(Morphological Gradient)
-
膨胀图与腐蚀图之差

-
能够保留物体的边缘轮廓,如下所示:

顶帽(Top Hat)
-
原图像与开运算结果图之差


黑帽(Black Hat)
-
闭运算结果图与原图像之差


解释
-
看一下程序的总体流程:
-
装载图像
-
创建显示形态学操作的窗口
-
创建3个trackbar获取用户参数:
-
第一个trackbar “Operator” 返回用户选择的形态学操作类型 (morph_operator).
-
第二个trackbar “Element” 返回 morph_elem, 指定内核形状:
-
第三个trackbar “Kernel Size” 返回内核大小(morph_size)
-
-
每当任一标尺被移动, 用户函数 Morphology_Operations 就会被调用,该函数获取trackbar的当前值运行指定操作并更新显示结果图像。
运行形态学操作的核心函数是 morphologyEx 。在本例中,我们使用了4个参数(其余使用默认值):
- src : 原 (输入) 图像
- dst: 输出图像
- operation: 需要运行的形态学操作。 我们有5个选项:
- Opening: MORPH_OPEN : 2
- Closing: MORPH_CLOSE: 3
- Gradient: MORPH_GRADIENT: 4
- Top Hat: MORPH_TOPHAT: 5
- Black Hat: MORPH_BLACKHAT: 6
你可以看到, 它们的取值范围是 <2-6>, 因此我们要将从tracker获取的值增加(+2):
- element: 内核,可以使用函数:get_structuring_element:getStructuringElement <> 自定义。
-
结果
-
在编译上面的代码之后, 我们可以运行结果,将图片路径输入。这里使用图像: baboon.png:

-
这里是显示窗口的两个截图。第一幅图显示了使用交错内核和 开运算 之后的结果, 第二幅图显示了使用椭圆内核和 黑帽 之后的结果。

本文介绍了如何使用OpenCV中的形态学操作,包括开运算、闭运算、形态梯度、顶帽和黑帽等五种高级形态学变换。通过示例展示了不同操作的效果,并提供了源代码。
5882

被折叠的 条评论
为什么被折叠?



