Opencv2系列学习笔记7(图像形态学运算)

落日映苍穹つ 2022-09-19 00:18 133阅读 0赞

形态学滤波理论于上世纪90年代提出，被用于分析及处理离散图像。它定义了一系列的运算，应用预定义的形状元素来变换一张图像。

一：图像腐蚀、膨胀和开闭运算

图像的腐蚀：替换为当前像素位像素集合中的最小像素值<在结构元素的几何中>，函数为erode

图像的膨胀：替换为当前像素位像素集合中的最大像素值，函数为dilate

图像的开运算：先腐蚀后膨胀，函数为morphologyEx，对应的参数为MORPH\_CLOSE

图像的闭运算：先膨胀后腐蚀，函数为morphologyEx，对应的参数为MORPH\_OPEN

Code：

Mat image = imread("F:\\lena.png", 0);
    	/*腐蚀运算 替换为当前像素位像素集合中的最小像素值*/
    	Mat eroded;
    	erode(image, eroded, Mat());
    
    	/*膨胀运算 替换为当前像素位像素集合中的最大像素值*/
    	Mat dilated;
    	dilate(image, dilated, Mat());
    
    	/*闭运算 先膨胀后腐蚀
    	开运算 先腐蚀后膨胀
    	*/
    	Mat closed;
    	Mat element(5, 5, CV_8U, Scalar(1));
    	morphologyEx(image, closed, MORPH_CLOSE, element);

Result：

膨胀：

![SouthEast][]

腐蚀：

![SouthEast 1][]

二：利用形态学滤波进行边缘检测

思想：形态学滤波利用梯度进行边缘检测 原理就是计算膨胀后的图像和腐蚀后的图像的差值，由于两个变换后的图像不同之处主要在边缘处，图像边缘将通过求差得到强化。函数为morphologyEx，参数为MORPH\_GRADIENT。

此外后面可以用sobel算子<方向滤波器>,拉普拉斯变换<二阶导数滤波器>和Canny算子对图像进行边缘检测。

Code：

Mat result;
    	/* 形态学滤波利用梯度进行边缘检测  原理就是计算膨胀后的图像和腐蚀后的图像的差值，
    	由于两个变换后的图像不同之处主要在边缘处，图像边缘将通过求差得到强化。
    	还可以利用图像形态学滤波对图像进行角点检测。。
    	*/
    	morphologyEx(image, result, MORPH_GRADIENT, Mat()); 
    	threshold(result, result, 50, 255, THRESH_BINARY);

Result：

![SouthEast 2][]

三：形态学运算的其它应用

利用图像的形态学运算还可以对图像进行角点检测，当然效果肯定不如之前的Harris等算子的角点检测，故不作介绍。此外还可以通过利用分水岭算法对图像进行分割以及用GrabCut算法提取前景物体。后面如有用到，会详细介绍，这里粗略笔记。。。

[SouthEast]: /images/20220828/22333d13ad444c989dc299724c1f6761.png
[SouthEast 1]: /images/20220828/ae350b81b2174ab0a5b4a21a94cdedd8.png
[SouthEast 2]: /images/20220828/c2a74c6d7b424e53a32a26a4ce2c7b2c.png