7.23培训日记

目录

一、转化为灰度图

1.通道转化

2.cvtColor函数

二、二值化（阈值化）操作

三、开闭运算

1.腐蚀（erode）

2.膨胀（dilate)

3.开运算和闭运算

---

一、转化为灰度图

1.通道转化

由于Opencv是bgr的色彩分布，而RM一般只需要关注Red和Blue这两个通道，所以很简单，直接把两个通道提取出来然后直接相减。

注意这里只能blue减red而不能red减blue,否则就是纯黑，不明白为什么。

效果图：

代码： 

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
	Mat src,red_channel,green_channel,blue_channel;
	vector<cv::Mat> channels;
	src = imread("C:\\Users\\d\\Desktop\\pic\\1.jpg");
	split(src, channels);
	blue_channel = channels[0];
	green_channel = channels[1];
	red_channel = channels[2];
	namedWindow("窗口",WINDOW_FREERATIO);
	imshow("窗口", blue_channel-red_channel);
	waitKey(0);
}

2.cvtColor函数

这个更简单，直接把8UC3的图像转成8UC1的图像，用cvtColor的Color_RBG2GRAY模式就可以，但是好像效果没有通道相减好啊。

效果图：

代码：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
	Mat src,dst;
	src = imread("C:\\Users\\d\\Desktop\\pic\\1.jpg");
	cvtColor(src, dst, COLOR_BGR2GRAY);
	namedWindow("窗口",WINDOW_FREERATIO);
	imshow("窗口", dst);
	waitKey(0);
}

二、二值化（阈值化）操作

我同时对两种处理方式进行了二值化，发现好像通道相减法的效果确实好一些，通道相减好像可以有一层边的效果，而cvtColor会形成一个实心的区域。

效果图：

 上面窗口1是通道相减法处理的，而窗口2是cvtColor处理的，我下面的开闭运算就用通道相减的图像来演示

代码：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
	Mat src,process1, process2,dst1,dst2,red_channel, green_channel, blue_channel;
	vector<cv::Mat> channels;
	src = imread("C:\\Users\\d\\Desktop\\pic\\1.jpg"); 
	split(src, channels);
	blue_channel = channels[0];
	green_channel = channels[1];
	red_channel = channels[2];
	process1 = blue_channel - red_channel;
	cvtColor(src, process2, COLOR_BGR2GRAY);
	threshold(process1, dst1, 100, 255,THRESH_BINARY);
	threshold(process2, dst2, 100, 255, THRESH_BINARY);
	namedWindow("窗口1", WINDOW_FREERATIO);
	namedWindow("窗口2", WINDOW_FREERATIO);
	imshow("窗口1", dst1);
	imshow("窗口2", dst2);
	waitKey(0);
}

三、开闭运算

1.腐蚀（erode）

用erode进行腐蚀，相当于将白色区域压小，较小的白色区域会被直接抹掉。

不论是腐蚀还是膨胀，都需要有一个kernel,这个kernel可以由getStructingElement来实现。

代码：

element = getStructuringElement(MORPH_RECT,Size(5,5),Point(-1,-1));
erode(dst1, dst1, element);

2.膨胀（dilate)

用dilate进行膨胀，相当于将白色区域变大，能够将白色区域中的断点给除去。

代码：

element = getStructuringElement(MORPH_RECT,Size(5,5),Point(-1,-1));
dilate(dst1, dst1, element);

3.开运算和闭运算

开运算：腐蚀->膨胀

闭运算：膨胀->腐蚀

从上面的效果图来看，对上面两种处理方式都适宜用开运算，因为我们要消除远离的白色噪点来减少后期识别过程中的时间，但是为了方便展示，我对通道相减的进行了开运算，对cvtColor的进行了闭运算。

效果图：

 可以看出来，进行闭运算的过程中白色噪点不减反增。

代码：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
	Mat src,process1, process2,dst1,dst2,red_channel, green_channel, blue_channel;
	vector<cv::Mat> channels;
	src = imread("C:\\Users\\d\\Desktop\\pic\\1.jpg"); 
	split(src, channels);
	blue_channel = channels[0];
	green_channel = channels[1];
	red_channel = channels[2];
	process1 = blue_channel - red_channel;
	cvtColor(src, process2, COLOR_BGR2GRAY);
	threshold(process1, dst1, 100, 255,THRESH_BINARY);
	threshold(process2, dst2, 100, 255, THRESH_BINARY);

	Mat element;
	element = getStructuringElement(MORPH_RECT,Size(5,5),Point(-1,-1));
	erode(dst1, dst1, element);
	dilate(dst1, dst1, element);
	dilate(dst2, dst2, element);
	erode(dst2, dst2, element);
	
	namedWindow("窗口1", WINDOW_FREERATIO);
	namedWindow("窗口2", WINDOW_FREERATIO);
	imshow("窗口1", dst1);
	imshow("窗口2", dst2);
	waitKey(0);
}