OpenCV实战 | 基于形态学运算提取图像中的音符

灰太狼 2022-09-16 13:18 177阅读 0赞

图像形态学运算，顾名思义是应用**形态学操作**改变**图像**中物体的形状的过程。其中形态学操作比较基础的是膨胀、腐蚀、开运算和闭运算；形态学操作的对象通常是二值化图像。

本文会先介绍形态学中常见的操作的原理部分，然后介绍在OpenCV中这些操作的函数和参数含义，最后通过一个提取图像中音符的样例来贯穿全部的内容。

## 1 形态学操作 ##

### 1.1 腐蚀 ###

腐蚀过程是将一个核与一个图像进行卷积，其中核可以是任何的形状，比如大小为 3 ∗ 3 3 \* 3 3∗3的正方形核，也可以是大小为 5 ∗ 1 5 \* 1 5∗1的长条形核。核有一个参考点，参考点位于核的正中心。

将核与图像进行卷积，就是从左到右、从上到下滑动窗口运算的过程。在这个过程中，对于腐蚀操作，每次计算核在图像中覆盖的区域的最小值，并将这个最小值赋值给核的参考点指定的像素。

以下图为例，当核的参考点位于原图的第2行第8列时（从0开始），此时整个核的覆盖区域就是以参考点为中心的正方形区域，在这个区域内的最小值为0，那么腐蚀后的图像中第2行第8列的值就是0；当核的参考点位于第4行第4列时，此时整个核的覆盖区域的最小值是255，那么腐蚀后的图像中第4行第4列的值就是255。

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6KGM6Lev5Y2X_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center]

图1 腐蚀

可以看到经过腐蚀后的图像，消除了一些斑点噪音，同时确保图中较大的区域仍然存在，最终得到我们想要的区域。

在下文的示例中，我们还会演示一个提取音符的例子，在那个例子中，我们会设计一种核结构，使得图中所有的横线都作为噪音被清除掉，也就达到了提取音符的目的。

### 1.2 膨胀 ###

膨胀和腐蚀相反，膨胀是将核和一个图像进行卷积，计算的是核区域内像素的最大值。

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6KGM6Lev5Y2X_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 1]

图2 膨胀

此外，膨胀也可以填补凹洞，如下图所示。

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6KGM6Lev5Y2X_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 2]

图3 膨胀

在试图找到连通分支时通常使用膨胀操作，因为大多数情况下一个大的区域可能被一些噪音等分割为多个区域，而通过膨胀操作能够使这些多个区域结合在一起。

### 1.3 开运算 ###

开运算，是先进行腐蚀操作，再进行膨胀操作。开运算的效果是**消除了高于临近点的孤立点**。

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6KGM6Lev5Y2X_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 3]

图4 开运算的过程

### 1.4 闭运算 ###

闭运算，是先膨胀后腐蚀。这里我们的输入图像和1.3节的输入图像一样，在下图中我们可以看到先膨胀后腐蚀的效果，即**消除了低于临近点的孤立点**。

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6KGM6Lev5Y2X_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 4]

图5 闭运算的过程

## 2 核 ##

在上文中，我们都是使用大小为 3 ∗ 3 3\*3 3∗3的核来进行膨胀或者腐蚀的操作。（有些教材中，核也称为结构元素）

在实际使用中，核的选择是非常重要的一个部分，针对不同的情况，我们需要灵活需要不同的核，比如矩形的核、十字交叉的核，菱形的核等等。

同时我们也可以根据自己的需要自定义自己的核。

### 2.1 核具体是什么 ###

所谓核，就是仅仅由0和1组成的一个矩阵，可以具有任意的形状和大小，通常比我们要处理的图像要小得多。

在核中通过值为1的像素定义了核的邻域，表明了核的形状。核的中心像素，称为核的参考点，或者叫原点，表示正在处理的像素。

### 2.2 几种常见的核 ###

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6KGM6Lev5Y2X_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 5]

图6 几种常见的核结构

上图中展示了常用的正方形核、长方形核、菱形核、十字交叉核，此外还有圆盘核、周期核等等。我们在选择核的时候，需要根据在输入图像中要提取的对象的大小和形状，来选择相对应的核结构。例如，我们想提取图像中的线条，那么选择一个线性结构的核比较合适。

## 3 在OpenCV中形态学运算的函数 ##

### 3.1 形态学运算 ###

void cv::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() 
    						)

执行高级形态转换。功能 cv: : morphologyEx 可以使用腐蚀和膨胀作为基本操作进行高级形态转换。任何操作都可以就地完成。对于多通道图像，每个通道都是独立处理的。

**参数说明：**

<table> 
 <thead> 
  <tr> 
   <th>src</th> 
   <th>源图像。通道的数量可以是任意的。深度应该是CV_8U, CV_16U, CV_16S, CV_32F or CV_64F 中的一个</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>dst</td> 
   <td>与源图像大小和类型相同的目标图像。</td> 
  </tr> 
  <tr> 
   <td>op</td> 
   <td>形态学运算的类型； 包括MORPH_ERODE、MORPH_DILATE 、MORPH_OPEN 、MORPH_CLOSE 等</td> 
  </tr> 
  <tr> 
   <td>kernel</td> 
   <td>核（结构元素） 可以通过 <a href="https://docs.opencv.org/master/d4/d86/group__imgproc__filter.html#gac342a1bb6eabf6f55c803b09268e36dc" rel="nofollow">getStructuringElement</a>.函数来创建，在下文详细说明。</td> 
  </tr> 
  <tr> 
   <td>anchor</td> 
   <td>核的参考点位置，默认值是负值，表示位于内核中心。</td> 
  </tr> 
  <tr> 
   <td>iterations</td> 
   <td>应用腐蚀和膨胀的次数，默认为1</td> 
  </tr> 
 </tbody> 
</table>

### 3.2 核（结构元素） ###

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

返回用于形态学操作的指定大小和形状的结构元素。

该功能构造和返回的结构元素，可以进一步通过腐蚀，扩张或形态。但是您也可以自己构造一个任意的二进制掩码，并使用它作为结构元素。

**参数说明：**

<table> 
 <thead> 
  <tr> 
   <th>shape</th> 
   <th>核的形状，支持三种。分别是MORPH_RECT、MORPH_CROSS、MORPH_ELLIPSE</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>ksize</td> 
   <td>核的大小</td> 
  </tr> 
  <tr> 
   <td>anchor</td> 
   <td>元素内的锚定位置。默认值(−1.−1） 表示锚点位于中心。请注意，只有十字形图元的形状取决于锚定位置。在其他情况下，锚仅仅调节形态学操作的结果被移动的程度。</td> 
  </tr> 
 </tbody> 
</table>

## 4 C++样例 ##

#include <opencv2/opencv.hpp>
    
    
    int main(int argc, char** argv)
    {
        // 第一步，读取原始图像
        cv::Mat img = cv::imread("/home/lxn/图片/src.png");
        cv::imshow("ori img", img);
        cv::waitKey(0);
    
        // 第二步，转灰度图
        cv::Mat gray;
        cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);
        cv::imshow("gray", img);
        cv::waitKey(0);
    
        // 第三步，取反
        // 需特别注意的是，原始图像中物体是黑色，背景是白色;
        // 在膨胀或者腐蚀操作，我们针对的都是高亮的物体，所以为了便于理解，我们对物体的像素值做一个取反操作（value = 255 - value)
        cv::Mat bw_gray;
        cv::bitwise_not(gray, bw_gray);
        cv::imshow("bw_gray", bw_gray);
        cv::waitKey(0);
    
        // 第四步，二值化
        cv::Mat threshold_gray;
        cv::threshold(bw_gray, threshold_gray, 100, 255, cv::THRESH_BINARY);
        cv::imshow("threshold_gray", threshold_gray);
        cv::waitKey(0);
    
        // 第五步，提取垂直线（过滤掉水平的横线，得到音符）.这里的核要既保证清除掉横线，同时小的音符又能够保留。所以核的高度选择大于横线像素高度的最小值
        cv::Mat vertical;
        cv::Mat vertical_kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(1, 4));
        cv::morphologyEx(threshold_gray, vertical, cv::MORPH_OPEN, vertical_kernel);
        cv::imshow("vertical", vertical);
        cv::waitKey(0);
    
        // 第六步， 取反，得到前景为黑，背景为白的图像
        cv::bitwise_not(vertical, vertical);
        cv::imshow("bw_vertical", vertical);
        cv::waitKey(0);
        
        return 0;
    }

![在这里插入图片描述][9d590864c2b34d7cbc1f5f7c49b303a9.jpg_pic_center]

图7 原图

![在这里插入图片描述][2a21255648b644259518787dc3ad9f3c.jpg_pic_center]

图8 灰度图

![在这里插入图片描述][6547c32007954aea809227c3330f7d76.jpg_pic_center]

图9 取反的灰度图

![在这里插入图片描述][d5ca6b7e0fcf441984bf8e245bdf51e6.jpg_pic_center]

图10 二值化图

![在这里插入图片描述][494ede913aaf41629bbb8921f545744d.jpg_pic_center]

图11 横线过滤图

![在这里插入图片描述][31b88f9d7d534b19bcd33536968d5ee5.jpg_pic_center]

图12 再次取反的最终结果

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6KGM6Lev5Y2X_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center]: /images/20220828/2a19b7ce606245d99b03975e695dc856.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6KGM6Lev5Y2X_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 1]: /images/20220828/33b76cd39e0444ed884203952618528c.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6KGM6Lev5Y2X_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 2]: /images/20220828/9d4ba6618473411194894bc94c612b96.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6KGM6Lev5Y2X_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 3]: /images/20220828/ed651fbf5ceb47f296b6a71250d5d81c.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6KGM6Lev5Y2X_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 4]: /images/20220828/2fa31cd03420487384b94f7a094b9ba7.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6KGM6Lev5Y2X_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 5]: /images/20220828/49f21617cba24f449cdca0375bf9f9b8.png
[9d590864c2b34d7cbc1f5f7c49b303a9.jpg_pic_center]: /images/20220828/757fa45538b34b059e49b581398a3380.png
[2a21255648b644259518787dc3ad9f3c.jpg_pic_center]: /images/20220828/e4179db887f5438eab4e9957c17a720a.png
[6547c32007954aea809227c3330f7d76.jpg_pic_center]: /images/20220828/182629a2d1a1459bbc40406ca6af1f74.png
[d5ca6b7e0fcf441984bf8e245bdf51e6.jpg_pic_center]: /images/20220828/bb8f0d97f60c43228de69ece4a8d613e.png
[494ede913aaf41629bbb8921f545744d.jpg_pic_center]: /images/20220828/1968b0443e5846858dec5c6130561473.png
[31b88f9d7d534b19bcd33536968d5ee5.jpg_pic_center]: /images/20220828/01dcf957f9a544b6bdf49eff937bcb6d.png