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