【 imgproc 模块. 图像处理】形态学变化

一、更多的形态学变化

    包括开运算 (Opening)、闭运算 (Closing)、形态梯度 (Morphological Gradient)、顶帽 (Top Hat)、黑帽(Black Hat)。具体可参考《数字图像处理 第三版》(冈萨雷斯)——第九章 形态学图像处理。注：具体原理都是一些数学计算公式、方法，目前只大概了解，后面可具体研读。

二、开运算

（1）教程中的解释：

• 开运算是通过先对图像腐蚀再膨胀实现的。

  

• 能够排除小团块物体(假设物体较背景明亮)

• 请看下面，左图是原图像，右图是采用开运算转换之后的结果图。 观察发现字母拐弯处的白色空间消失。

  

（2）资料整理

        开运算和闭运算都由腐蚀和膨胀复合而成， 开运算是先腐蚀后膨胀， 而闭运算是先膨胀后腐蚀。膨胀：亮区扩大；腐蚀：亮区缩小。

              

       一般来说， 开运算可以使图像的轮廓变得光滑， 还能使狭窄的连接断开和消除细毛刺。 
如图8.11所示， 开运算断开了团中两个小区域间两个像素宽的连接〈断开了狭窄连接〉，并且去除了右侧物体上部突出的一个小于结构元素的2×2的区域〈去除细小毛刺〉： 但与腐蚀不同的是， 图像大的轮廓并没有发生整体的收缩， 物体位置也没有发生任何变化。 

 （3）opencv代码实现

#include"stdafx.h"
#include<opencv2/opencv.hpp>
int open_value = 0;
int open_max = 5;
int morph_elem = 0;
int max_elem = 2;
cv::Mat src,dst;
void openOperator(int,void*);

int main(int argc, char** argv) {
    src = cv::imread("lena512color.tiff");
    if (src.empty()) {
        printf("Image load failed...");
        return -1;
    }
    cv::namedWindow("src", CV_WINDOW_NORMAL);
    cv::createTrackbar("Opening_value:","src", &open_value, open_max, openOperator);
    cv::createTrackbar("Element:\n 0: Rect - 1: Cross - 2: Ellipse", "src",&morph_elem, max_elem,openOperator);
    openOperator(0, 0); //这句注释掉时，刚开始运行时若不移动滑动条则图片不会显示
    cvWaitKey(0);
    return 0;
}

void openOperator(int, void*) {
    /*getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1));
    @用法：返回一个特定形状（shape），大小（size），及锚点（anchor）的核，锚点为（-1，-1）时默认为中心
    @参数：int shape     MORPH_RECT    = 0, MORPH_CROSS   = 1, MORPH_ELLIPSE = 2 
    */
    cv::Mat element = cv::getStructuringElement(morph_elem, cv::Size(2 * open_value + 1, 2 * open_value + 1), cv::Point(open_value, open_value));
    morphologyEx(src, dst, cv::MORPH_OPEN, element);//element 为输入的结构元，用于卷积的矩阵
    /*@API：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() );   
      @用法：
      @参数：op形态学操作类型
    MORPH_ERODE    = 0,  MORPH_DILATE   = 1,  MORPH_OPEN     = 2,  MORPH_CLOSE    = 3,
          MORPH_GRADIENT = 4, MORPH_TOPHAT   = 5, MORPH_BLACKHAT = 6,  MORPH_HITMISS  = 7
      @参数：InputArray kernel，用于进行形态学操作的核，可以用getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1));获取
      @参数：anchor，锚点，核的锚点位置，默认（-1，-1）则为中心
      @参数：iterations，腐蚀、膨胀次数次数
      @参数：borderType，参数外推方法，
      ...具体用到再查*/  
    cv::imshow("src", dst);
}

二、闭运算

（1）教程中的解释：

• 闭运算是通过先对图像膨胀再腐蚀实现的。

  

能够排除小型黑洞(黑色区域)。

(2)相关资料整理：

闭运算同样可以使轮廓变得光滑， 但与开运算相反， 它通常能够弥合狭窄的间断， 填充小的孔洞。

 

 

 （3）opencv实现代码：类似开运算

三、形态梯度

• 膨胀图与腐蚀图之差

  

• 能够保留物体的边缘轮廓，如下所示:

  

四、顶帽

• 原图像与开运算结果图之差

• 

     

 

五、黑帽

• 闭运算结果图与原图像之差

  

  

六、测试代码（官方）

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>

using namespace cv;

/// 全局变量
Mat src, dst;

int morph_elem = 0;
int morph_size = 0;
int morph_operator = 0;
int const max_operator = 4;
int const max_elem = 2;
int const max_kernel_size = 21;

char* window_name = "Morphology Transformations Demo";

/** 回调函数申明 */
void Morphology_Operations( int, void* );

/** @函数 main */
int main( int argc, char** argv )
{
  /// 装载图像
  src = imread( argv[1] );

  if( !src.data )
  { return -1; }

 /// 创建显示窗口
 namedWindow( window_name, CV_WINDOW_AUTOSIZE );

 /// 创建选择具体操作的 trackbar
 createTrackbar("Operator:\n 0: Opening - 1: Closing \n 2: Gradient - 3: Top Hat \n 4: Black Hat", window_name, &morph_operator, max_operator, Morphology_Operations );

 /// 创建选择内核形状的 trackbar
 createTrackbar( "Element:\n 0: Rect - 1: Cross - 2: Ellipse", window_name,
                 &morph_elem, max_elem,
                 Morphology_Operations );

 /// 创建选择内核大小的 trackbar
 createTrackbar( "Kernel size:\n 2n +1", window_name,
                 &morph_size, max_kernel_size,
                 Morphology_Operations );

 /// 启动使用默认值
 Morphology_Operations( 0, 0 );

 waitKey(0);
 return 0;
 }

 /**
  * @函数 Morphology_Operations
  */
void Morphology_Operations( int, void* )
{
  // 由于 MORPH_X的取值范围是: 2,3,4,5 和 6
  int operation = morph_operator + 2;

  Mat element = getStructuringElement( morph_elem, Size( 2*morph_size + 1, 2*morph_size+1 ), Point( morph_size, morph_size ) );

  /// 运行指定形态学操作
  morphologyEx( src, dst, operation, element );
  imshow( window_name, dst );
  }