形态学：提取横线、竖线

谁践踏了优雅 2022-04-04 06:06 354阅读 0赞

## 原理 ##

*  [OpenCV官网教程][OpenCV]
 *  通过使用不同形状的核，得到不同的结果

1.  提取横线：  
    ![在这里插入图片描述][20181215103943788.png]  
    经过先腐蚀，再膨胀，得到直线。

1.  提取竖线：  
    ![在这里插入图片描述][20181215104006386.png]  
    经过先腐蚀，再膨胀，得到竖线。

--------------------

## 代码 ##

#include <opencv2/opencv.hpp>
    #include <iostream>
    
    using namespace cv;
    using namespace std;
    
    void show_wait_destroy(const char* winname, cv::Mat image)
    { 
    	static uchar i=0;
    	imshow(winname,image);
    	cv::moveWindow(winname,0,(++i)*(200));
    }
    
    int main(void)
    { 
    	
    	Mat src = imread("../res/src.png");
    	if(src.empty())
    	{ 
    		cout << "load the image failed" << endl;
    	}
    
    
    	Mat gray;
    	if(src.channels() == 3)
    	{ 
    		cv::cvtColor(src,gray,cv::COLOR_BGR2GRAY);
    	}
    	else
    	{ 
    		gray = src;
    	}
    
    //转化成二值图像
    	Mat bw;
    	cv::adaptiveThreshold(~gray,bw,255,cv::ADAPTIVE_THRESH_MEAN_C,cv::THRESH_BINARY,15,-2);
    	show_wait_destroy("binary",bw);
    	
    	
    	Mat horizontal = bw.clone();
    	Mat vertical = bw.clone();
    
    //提取横线
    	int horizontal_size=horizontal.cols/30;
    	Mat horizontalStructure = cv::getStructuringElement(cv::MORPH_RECT,Size(horizontal_size,1));
    
    	cv::erode(horizontal,horizontal,horizontalStructure);
    	cv::dilate(horizontal,horizontal,horizontalStructure);
    
    	show_wait_destroy("horizontal",horizontal);
    
    
    
    //提取竖线
    	int vertical_size = vertical.rows/30;
    	Mat verticalStructure = getStructuringElement(MORPH_RECT,Size(1,vertical_size));
    
    	erode(vertical,vertical,verticalStructure);
    	dilate(vertical,vertical,verticalStructure);
    
    	bitwise_not(vertical,vertical);
    	show_wait_destroy("vertical",vertical);
    
    //提取边界
    	Mat edges;
    	cv::adaptiveThreshold(vertical,edges,255,cv::ADAPTIVE_THRESH_MEAN_C,cv::THRESH_BINARY,3,-2);
    	show_wait_destroy("vertical_1",edges);
    //膨胀边界
    	Mat kernel = Mat::ones(2,2,CV_8UC1);
    	dilate(edges,edges,kernel);
    	show_wait_destroy("vertical_2",edges);
    	
    //平滑vertical
    	Mat smooth;
    	vertical.copyTo(smooth);
    	blur(smooth,smooth,Size(2,2));
    
    //将平滑之后的边界，覆盖到vertical，实现对vertical平滑边界的效果
    	smooth.copyTo(vertical,edges);
    	show_wait_destroy("final",vertical);
    
    	waitKey(0);
    
    	return 0;
    };

原图  
![在这里插入图片描述][2018121514490449.png]  
结果：  
horizontal:  
![在这里插入图片描述][201812151447127.png]

vertical:  
![在这里插入图片描述][20181215144738741.png]

源码分析：

Mat src = imread("../res/src.png");
    	if(src.empty())
    	{
    		cout << "load the image failed" << endl;
    	}
    
    
    	Mat gray;
    	if(src.channels() == 3)
    	{
    		cv::cvtColor(src,gray,cv::COLOR_BGR2GRAY);
    	}
    	else
    	{
    		gray = src;
    	}
    	imshow("src",src);

读取原图，再转化成灰度图像  
![在这里插入图片描述][2018121514490449.png]

Mat bw;
    cv::adaptiveThreshold(~gray,bw,255,cv::ADAPTIVE_THRESH_MEAN_C,cv::THRESH_BINARY,15,-2);
    show_wait_destroy("binary",bw);

将灰度图像转成二值图像，使用的是adaptiveThreshold函数，各个参数的综合意义：如果原图锚点的的值大于领域（核的边长15）的平均值，则取255，否则取０。  
![在这里插入图片描述][20181215150923868.png]

Mat horizontal = bw.clone();
    	Mat vertical = bw.clone();
    
    	int horizontal_size=horizontal.cols/30;
    	Mat horizontalStructure = cv::getStructuringElement(cv::MORPH_RECT,Size(horizontal_size,1));
    
    	cv::erode(horizontal,horizontal,horizontalStructure);
    	cv::dilate(horizontal,horizontal,horizontalStructure);
    
    	show_wait_destroy("horizontal",horizontal);

创建一个核大小：(1, cols/30),　用其进行对原图先腐蚀再膨胀，得到结果：  
![在这里插入图片描述][201812151447127.png]

int vertical_size = vertical.rows/30;
    	Mat verticalStructure = getStructuringElement(MORPH_RECT,Size(1,vertical_size));
    
    	erode(vertical,vertical,verticalStructure);
    	dilate(vertical,vertical,verticalStructure);
    
    	bitwise_not(vertical,vertical);
    	show_wait_destroy("vertical",vertical);

创建一个核大小：(vertical.rows/30 , 1),　用其进行对原图先腐蚀再膨胀，然后取反得到结果：  
![在这里插入图片描述][20181215151143795.png]

Mat edges;
    	cv::adaptiveThreshold(vertical,edges,255,cv::ADAPTIVE_THRESH_MEAN_C,cv::THRESH_BINARY,3,-2);
    	show_wait_destroy("vertical_1",edges);

因为领域大小选择了３，当锚点在白色区域的时候，src=领域均值的，所以赋值为０，所以只有在黑白交接处 src>均值,赋值为１，最后得到的结果就是提取边界。  
![在这里插入图片描述][20181215151434668.png]

Mat kernel = Mat::ones(2,2,CV_8UC1);
    	dilate(edges,edges,kernel);
    	show_wait_destroy("vertical_2",edges);

对边界进行膨胀  
![在这里插入图片描述][20181215152157213.png]

Mat smooth;
    	vertical.copyTo(smooth);
    	blur(smooth,smooth,Size(2,2));
    
    	smooth.copyTo(vertical,edges);
    	show_wait_destroy("final",vertical);

先将原始的vertical 进行均值平滑，再将结果以edges为mask，复制到vertical。（等价于只将平滑后的边界覆盖到vertical，实现平滑边界的效果）

![在这里插入图片描述][2018121515233785.png]

--------------------

## 官方API ##

（1）

*  [ void cv::adaptiveThreshold][void cv_adaptiveThreshold](  
    InputArray src,      // 输入图像  
    OutputArray dst,      //输出图像  
    double maxValue,      //对于二值图像转化的目标值  
    int adaptiveMethod,      //自适应阈值算法  
    int thresholdType,      //阈值的类型  
    int blockSize,      //用来计算像素阈值的领域的大小（3,5,7等）  
    double C       //偏移常数C，最终得到的阈值-C。  
    )

参数 [adaptiveMethod][]：自适应阈值算法

<table> 
 <thead> 
  <tr> 
   <th>算法</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>ADAPTIVE_THRESH_MEAN_C</td> 
  </tr> 
  <tr> 
   <td>ADAPTIVE_THRESH_GAUSSIAN_C</td> 
  </tr> 
 </tbody> 
</table>

参数 [thresholdType][]：阈值类型

<table> 
 <thead> 
  <tr> 
   <th>常用类型</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>THRESH_BINARY</td> 
  </tr> 
  <tr> 
   <td>THRESH_BINARY_INV</td> 
  </tr> 
 </tbody> 
</table>

（2）

*  void cv::Mat::copyTo (  
    OutputArray m,      //目的图像  
    InputArray mask       //和this大小一样的掩膜，掩膜不为0的区域将this相应的区域复制到目的图像中，为0区域：目的图像还是原来的值  
    ) const

[OpenCV]: https://docs.opencv.org/master/dd/dd7/tutorial_morph_lines_detection.html
[20181215103943788.png]: /images/20220404/7bc4938e88ad476ba4da22dba09596cf.png
[20181215104006386.png]: /images/20220404/6b732dd55ebc4302b0bf5e2e7e552398.png
[2018121514490449.png]: /images/20220404/fb5f3da485f445ba9286449d43a046f5.png
[201812151447127.png]: /images/20220404/7e248c6901b944acbd4f7efe66e658f7.png
[20181215144738741.png]: /images/20220404/2d6c1d33d2494bedbd72d89363b761cf.png
[20181215150923868.png]: /images/20220404/0ca45f65a01444e2ae9fa12e69482e0c.png
[20181215151143795.png]: /images/20220404/dfbfb61541714e53900ef5b2d1516ef7.png
[20181215151434668.png]: /images/20220404/2193507935a34063883835de593c264d.png
[20181215152157213.png]: /images/20220404/ff79833d6e6b48a0a83dd953da9dc39f.png
[2018121515233785.png]: /images/20220404/984f27fd750845be8feb356252086d27.png
[void cv_adaptiveThreshold]: https://docs.opencv.org/master/d7/d1b/group__imgproc__misc.html#ga72b913f352e4a1b1b397736707afcde3
[adaptiveMethod]: https://docs.opencv.org/master/d7/d1b/group__imgproc__misc.html#gaa42a3e6ef26247da787bf34030ed772c
[thresholdType]: https://docs.opencv.org/master/d7/d1b/group__imgproc__misc.html#gaa9e58d2860d4afa658ef70a9b1115576