若該文爲原創文章，未經允許不得轉載
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客導航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/107106565
紅胖子(紅模仿)的博文大全：開發技術集合（包含Qt實用技術、樹莓派、三維、OpenCV、OpenGL、ffmpeg、OSG、單片機、軟硬結合等等）持續更新中…（點擊傳送門）

Qt開發專欄：項目實戰（點擊傳送門）

OpenCV開發專欄（點擊傳送門）

上一篇：《OpenCV開發筆記（六十五）：紅胖子8分鐘帶你深入瞭解ORB特徵點（圖文並茂+淺顯易懂+程序源碼）》
下一篇：持續補充中…

前言

紅胖子，來也！
opencv之前講解了各種形態學操作，使用了形態學對應的函數，除此之外，opencv在形態學上還提供了專門的函數處理，一個函數搞定所有，當然就不能實現自定義的一些算法，如3次膨脹，2次腐蝕了（之前的開、閉運算demo提供了這種操作）。

Demo

形態學

圖像處理中的形態學，指數字形態學。
數學形態學是數學形態學圖像處理的基本理論，其基本的運算包括：二值腐蝕和膨脹、二值開源算、骨架抽取、極限腐蝕、擊中擊不中變換、形態學梯度、Top-hat變換、合理分析、流域變換、灰值腐蝕和膨脹、灰值開運算、灰值形態學梯度。
形態學操作就是基於形狀的一系列圖像處理操作，OpenCV爲進行圖像的形態學變換提供了快捷、方便的函數。除了之前講解的單個操作的函數外，OpenCV還爲我們提供了一個形態學專有函數，通過枚舉來進行不同的操作。

膨脹

膨脹(dilate)是求局部最大值的操作，從數據角度來說，膨脹是將圖像與核進行卷積，實現了對目標像素點進行擴展的目的。
《OpenCV開發筆記（二十一）：算法基礎之形態學濾波-膨脹》

腐蝕

腐蝕(delate)與膨脹(ercode)是一對相反的操作，膨脹是求局部最大值的操作，那麼膨脹就是求局部最小值的操作。
《OpenCV開發筆記（二十二）：算法基礎之形態學濾波-腐蝕》

開運算

開運算(Opening Operation)就是先腐蝕後膨脹的過程。、
開運算可以用來消除小物體，在纖細點處分離物體，並且在平滑較大物體的邊界的同時不明顯改變其面積（去除噪聲及平滑目標邊界）。
《OpenCV開發筆記（二十三）：算法基礎之形態學濾波-開運算（先腐蝕後膨脹）》

閉運算

閉運算(Closing Operation)就是先膨脹後腐蝕的過程。、
閉運算可以用擬合小裂縫，消除小型黑洞，並且在平滑較大物體的邊界的同時不明顯改變其面積。
閉運算能填充目標區域內的離散小空洞和分散部分。
《OpenCV開發筆記（二十四）：算法基礎之形態學濾波-閉運算（先膨脹後腐蝕）》

形態學梯度

形態學梯度(Morphological Gradient)是膨脹（被減數）和腐蝕（減數）的差別，結果看上去就像前景物體的輪廓。
形態學梯度可以保留物體的邊緣輪廓。
《OpenCV開發筆記（二十五）：算法基礎之形態學濾波-形態學梯度》

頂帽（禮帽）

頂帽運算(Top Hat)又稱作“禮帽”運算，是原圖像（減數）與“開運算”（被減數）的結果圖之差。
開運算帶來的結果是放大了裂縫或者局部降低亮度的區域。因此，從原圖中減去開運算後的圖，得到的效果突出了比原圖輪廓周圍的區域更明亮的區域，且這一操作與選擇的核的大小相關。
頂帽運算往往用來分離比鄰近點亮一些的斑塊。在一幅圖像具有大幅的背景，而微小物品比較有規律的情況下，可以使用頂帽運算進行背景提取。
《OpenCV開發筆記（二十六）：算法基礎之形態學濾波-頂帽（禮帽）》

黑帽

黑帽(Black Hat)運算是閉運算（被減數）的結果圖與原圖像（減數）之差。
黑帽運算後的效果突出了比原圖輪過周圍的區域更暗的區域，且這一操作和選擇的核大小相關。
所以與頂帽操作相反，黑帽操作是用來分離比鄰近點暗一些的斑塊，效果圖有着非常完美的輪廓。
《OpenCV開發筆記（二十七）：算法基礎之形態學濾波-黑帽》
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/107106565

形態學函數原型

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() );

參數一：InputArray類型，一般是cv::Mat，通道數是任意的，但是深度必須爲CV_8U、CV_16U、CV_16S、CV_32F或CV_64F；
參數二；OutputArray類型，輸出的目標圖像，和原圖像有一樣的尺寸和類型；
參數三；int類型的op，表示形態學計算的操作類型，如下圖：
參數四：用於操作的內核結構元素；如果elemenat=Mat()，則爲3 x 3矩形使用結構化元素。內核可以使用getStructuringElement創建；
參數五：元素中錨點的錨點位置；默認值（-1，-1）表示錨定在構件中心
參數六：迭代次數表示執行的次數，這裏要注意開運算和閉運算，默認值爲1。特別注意：假設開運算計算2次，則erode->erode->dilate->dilate而不是erode->dilate->erode-> dilate。默認值爲1。
參數七：int類型的borderType，用於推斷圖像外部像素的某種邊界模式，使用默認值BORDER_CONSTANT，一般無需設置；
參數八：如果邊界爲常量，則邊界值爲borderValue。

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

參數一：元素形狀，可以是MORPH_RECT、MORPH_CROSS和MORPH_ELLIPSE；
參數二：ksize結構元素的大小，必須大於等於1；
參數三：元件內的錨定位置。默認值Point(-1,-1)表示錨在中間（注意，只有十字形構件的形狀取決於錨位置。在其他情況下，錨只是調節形態的結果操作轉移）；

Demo源碼

void OpenCVManager::testMorphologyEx()
{
    QString fileName1 = "3.jpg";
    cv::Mat srcMat = cv::imread(fileName1.toStdString());

    cv::resize(srcMat, srcMat, cv::Size(400, 300));

    cv::String windowName = _windowTitle.toStdString();
    cvui::init(windowName);

    if(!srcMat.data)
    {
        qDebug() << __FILE__ << __LINE__
                 << "Failed to load image:" << fileName1;
        return;
    }

    cv::Mat dstMat;
    dstMat = cv::Mat::zeros(srcMat.size(), srcMat.type());
    cv::Mat windowMat = cv::Mat(cv::Size(dstMat.cols * 2, dstMat.rows * 2),
                                srcMat.type());
    int operate =0;
    int share = 0;
    int ksize = 3;
    int iterations = 1;
    int x = -1;
    int y = -1;
    while(true)
    {
        windowMat = cv::Scalar(0, 0, 0);
        // 原圖先copy到左邊
        cv::Mat leftMat = windowMat(cv::Range(0, srcMat.rows),
                                    cv::Range(0, srcMat.cols));
        cv::addWeighted(leftMat, 1.0f, srcMat, 1.0f, 0.0f, leftMat);

        // 形狀
        cvui::printf(windowMat, 400 * 1 + 100, 40 + 300 * 0, "operate");
        cvui::trackbar(windowMat, 400 * 1 + 100, 60 + 300 * 0, 200, &operate, 0, 6);

        std::string optStr = "";
        switch (operate) {
        case 0:
            optStr = "MORPH_ERODE";
            break;
        case 1:
            optStr = "MORPH_DILATE";
            break;
        case 2:
            optStr = "MORPH_OPEN";
            break;
        case 3:
            optStr = "MORPH_CLOSE";
            break;
        case 4:
            optStr = "MORPH_GRADIENT";
            break;
        case 5:
            optStr = "MORPH_TOPHAT";
            break;
        case 6:
            optStr = "MORPH_BLACKHAT";
            break;
        default:
            optStr = "ERROR";
            break;
        }
        cvui::printf(windowMat, 400 * 1 + 100, 120 + 300 * 0, optStr.c_str());


        cvui::window(windowMat, dstMat.cols * 1, dstMat.rows * 1, dstMat.cols, dstMat.rows, "kernel");
        // 形狀
        cvui::printf(windowMat, 400 * 1 + 100, 40 + 300, "share");
        cvui::trackbar(windowMat, 400 * 1 + 100, 60 + 300, 200, &share, 0, 2);

        std::string s;
        switch (share) {
        case 0:
            s = "MORPH_RECT";
            break;
        case 1:
            s = "MORPH_CROSS";
            break;
        case 2:
            s = "MORPH_ELLIPSE";
            break;
        default:
            break;
        }
        cvui::printf(windowMat, 400 * 1 + 100, 120 + 300, s.c_str());

        // 內核大小
        cvui::printf(windowMat, 400 * 1 + 100, 140 + 300, "ksize");
        cvui::trackbar(windowMat, 400 * 1 + 100, 160 + 300, 200, &ksize, 1, 10);

        // 定位點
        cvui::printf(windowMat, 400 * 1 + 20, 150 + 300 * 0, "Point.X");
        cvui::trackbar(windowMat, 400 * 1 + 10, 170 + 300 * 0, 150, &x, -1, ksize-1);
        cvui::printf(windowMat, 400 * 1 + 210, 150 + 300 * 0, "Point.Y");
        cvui::trackbar(windowMat, 400 * 1 + 200, 170 + 300 * 0, 150, &y, -1, ksize-1);

        // 迭代次數
        cvui::printf(windowMat, 400 * 1 + 100, 220 + 300 * 0, "iterations");
        cvui::trackbar(windowMat, 400 * 1 + 100, 240 + 300 * 0, 200, &iterations, 0, 10);

        cv::morphologyEx(srcMat,
                         dstMat,
                         operate,
                         cv::getStructuringElement(share, cv::Size(ksize, ksize)),
                         cv::Point(x, y),
                         iterations);

        cv::Mat centerMat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
                                      cv::Range(srcMat.cols * 0, srcMat.cols * 1));
        cv::addWeighted(centerMat, 0, dstMat, 1.0f, 0, centerMat);
        // 更新
        cvui::update();
        // 顯示
        cv::imshow(windowName, windowMat);
        // esc鍵退出
        if(cv::waitKey(25) == 27)
        {
            break;
        }
    }
}

工程模板：對應版本號v1.60.0

對應版本號v1.60.0

上一篇：《OpenCV開發筆記（六十五）：紅胖子8分鐘帶你深入瞭解ORB特徵點（圖文並茂+淺顯易懂+程序源碼）》
下一篇：持續補充中…

原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客導航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/107106565

OpenCV開發筆記（六十六）：紅胖子8分鐘帶你總結形態學操作-膨脹、腐蝕、開運算、閉運算、梯度、頂帽、黑帽（圖文並茂+淺顯易懂+程序源碼）

Qt開發專欄：項目實戰（點擊傳送門）

OpenCV開發專欄（點擊傳送門）

前言

Demo

形態學

膨脹

腐蝕

開運算

閉運算

形態學梯度

頂帽（禮帽）

黑帽

形態學函數原型

Demo源碼

工程模板：對應版本號v1.60.0

OpenCV開發筆記（六十六）：紅胖子8分鐘帶你總結形態學操作-膨脹、腐蝕、開運算、閉運算、梯度、頂帽、黑帽（圖文並茂+淺顯易懂+程序源碼）

關於在word中插入的表格跨頁後每一頁都顯示標題欄的解決方法

Qt開發技術：QWebSocket客戶端、服務端介紹與開發

Qt開發技術：QDBus介紹、編譯與Demo

qml開發筆記(一)：界面元素初探

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結