OpenCV图像处理——形态学操作

1.形态学操作

图像形态学操作：基于形状的一系列图像处理操作的合集，主要是基于集合论基础上的形态学数学。

形态学有四个基本操作：膨胀、腐蚀、开、闭。

2.膨胀与腐蚀

2.1.膨胀

跟卷积操作类似，假设有图像A和结构元素B，结构元素B在A上面移动，其中B定义其中心为锚点，计算B覆盖下A的最大像素值用来替换锚点的像素，其中B作为结构体可以是任意形状。

（左图为原图，右图为膨胀操作之后的输出图像。）

2.2.腐蚀

腐蚀跟膨胀操作的过程类似，唯一不同的是以最小值替换锚点重叠下图像的像素值。

（左图为原图，右图为腐蚀操作之后的输出图像。）

2.3.相关API

2.3.1.getStructuringElement

getStructuringElement函数会返回指定形状和尺寸的结构元素。

Mat getStructuringElement(
	int shape,
	Size ksize,
	Point anchor=Point(-1,-1)
);

• 参数int shape表示内核的形状，有三种形状可以选择：
  1. 矩形MORPH_RECT
  2. 十字形MORPH_CROSS
  3. 椭圆MORPH_ELLIPSE
• 参数Size ksize表示内核的大小（必须为正奇数）。
• 参数Point anchor表示内核的锚点，默认位置在中心。

三种内核形状的说明，以5*5大小的内核为例：

	
#MORPH_RECT
1 1 1 1 1 
1 1 1 1 1 
1 1 1 1 1 
1 1 1 1 1 
1 1 1 1 1

#MORPH_CROSS
0 0 1 0 0 
0 0 1 0 0 
1 1 1 1 1 
0 0 1 0 0 
0 0 1 0 0 

#MORPH_ELLIPSE
0 0 1 0 0 
1 1 1 1 1 
1 1 1 1 1 
1 1 1 1 1 
0 0 1 0 0

2.3.2.膨胀

	
void dilate( 
	InputArray src,//原始图像
	OutputArray dst,//输出图像
	InputArray kernel,//结构元素
	Point anchor = Point(-1,-1),//结构元素的锚点位置
	int iterations = 1,//膨胀操作执行次数
	int borderType = BORDER_CONSTANT,//图像边缘处理方式
	const Scalar& borderValue = morphologyDefaultBorderValue()//处理边缘用的值
);

2.3.3.腐蚀

腐蚀操作的API参数基本和膨胀相同，不再赘述。

	
void erode( 
	InputArray src,
	OutputArray dst, 
	InputArray kernel,
	Point anchor = Point(-1,-1), 
	int iterations = 1,
	int borderType = BORDER_CONSTANT,
	const Scalar& borderValue = morphologyDefaultBorderValue() 
);

3.其他形态学操作

3.1.开操作与闭操作

3.1.1.开操作

开操作：先腐蚀后膨胀。

上图左为原图，右为执行开操作之后的图。

3.1.2.闭操作

闭操作：先膨胀后腐蚀。

上图左为原图，右为执行闭操作之后的图。

3.2.形态学梯度

形态学梯度：膨胀减去腐蚀。

上图左为原图，右为执行形态学梯度之后的图。

很明显，该操作可用于提取边缘。

3.3.顶帽与黑帽

3.3.1.顶帽

顶帽：原图像与开操作之间的差值图像（对应像素值差的绝对值）。

以3.1.1部分的原图作为例子，顶帽操作得到的图像见下：

3.3.2.黑帽

黑帽：原图像与闭操作之间的差值图像。

以3.1.2部分的原图作为例子，黑帽操作得到的图像见下：

3.4.相关API

void morphologyEx( 
	InputArray src,//原图像
	OutputArray dst,//输出图像
	int op,//形态学操作类型
	InputArray kernel,//结构元素，使用getStructuringElement构建
	Point anchor = Point(-1,-1),//锚点
	int iterations = 1,//操作执行次数
	int borderType = BORDER_CONSTANT,//边界处理方式
	const Scalar& borderValue = morphologyDefaultBorderValue()//处理边界时所使用的值
);

其中，参数int op有以下几种选择：

1. MORPH_ERODE=0：腐蚀
2. MORPH_DILATE=1：膨胀
3. MORPH_OPEN=2：开操作
4. MORPH_CLOSE=3：闭操作
5. MORPH_GRADIENT=4：形态学梯度
6. MORPH_TOPHAT=5：顶帽操作
7. MORPH_BLACKHAT=6：黑帽操作
8. MORPH_HITMISS=7

4.代码地址

C++实现

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
Mat src, dst;//设为全局变量，否则CallBack_Demo函数中无法使用
char winName[] = "output";
int element_size = 3;
int max_size = 21;
void CallBack_Demo(int, void*);//Trackbarcallback func的原型必须是这样！
int main(int argc, char**argv)
{
    src = imread("p1.png", -1);
    if (!src.data){
        printf("the image could not find...\n");
        return -1;
    }
    namedWindow("input image", WINDOW_AUTOSIZE);
    imshow("input image", src);

    namedWindow(winName, WINDOW_AUTOSIZE);
    //如果没有callback函数，就只有数值变化，即轨迹条可以正常滑动，数值可以正常随着滑块变化，但是图片不会变化
    //第三和第四个参数指的是运行callback函数的次数，本例中，callback函数运行几次就相当于dilate执行几次
    createTrackbar("Element Size", winName, &element_size, max_size, CallBack_Demo);
    CallBack_Demo(0, 0);
    //CallBack_Demo(1, &element_size);两个参数值随便设，好像并不会影响结果

    waitKey(0);
    return 0;
}

void CallBack_Demo(int, void*)
{
    int s = element_size * 2 + 1;
    Mat structureElement = getStructuringElement(MORPH_RECT, Size(s, s), Point(-1, -1));
    //dilate(src, dst, structureElement, Point(-1, -1), 1);//kernel就是structureElement，1是迭代次数，迭代次数指的是对原图整体做几次膨胀操作，次数越多，图片越偏白
    erode(src, dst, structureElement);
    imshow(winName, dst);
}

Python实现

import cv2
import numpy as np

element_size = 3
max_size = 21

def callback_demo(val):
    global element_size
    element_size = val
    s = element_size * 2 + 1
    structure_element = cv2.getStructuringElement(cv2.MORPH_RECT, (s, s))
    dst = cv2.erode(src, structure_element)
    cv2.imshow("output", dst)

src = cv2.imread("p1.png", -1)
if src is None:
    print("The image could not be found...")
    exit()

cv2.imshow("input image", src)
cv2.namedWindow("output", cv2.WINDOW_AUTOSIZE)
cv2.createTrackbar("Element Size", "output", element_size, max_size, callback_demo)

callback_demo(element_size)  # Initial call to display the image
cv2.waitKey(0)
cv2.destroyAllWindows()