1.腐蝕

概述：腐蝕掉圖像的細節。若圖像有很多毛刺，通過腐蝕操作，可以將毛刺消除。

????????下面所說的“值”可以簡單理解為RGB三個通道[0,255]，值越小，亮度越低，值越大，亮度越高。

????????我們首先定義了一個3*3的矩陣作為核，我們不關心矩陣的值，只關心他的大小。在圖像中用核選中3*3的像素塊，若像素塊中的值相差很大（我們可以將其想象成邊界），值大的像素點會被值小的像素點給取代。這種計算操作對于圖像的邊緣是極為敏感的。

函數：erode(cv::InputArray src, cv::OutputArray dst, cv::InputArray kernel)

參數：在腐蝕操作中，我們主要關注以下三個參數。另一些關于邊界填充的參數這里不做介紹。

1.cv::InputArray src	輸入圖像
2.OutputArray dst	輸出圖像
3.InputArray kernel	核：n*n的矩陣。n越大，腐蝕的越厲害

代碼：?

#include <iostream> #include <opencv.hpp> #include <core/core.hpp> #include <highgui/highgui.hpp>using namespace cv; using namespace std;int main() {Mat image_1 = imread("lena.jpg");Mat res;//定義一個3*3大小的方形核Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));erode(image_1,res,element);imshow("lena", image_1);imshow("res",res);waitKey(0);return 0; }

輸出結果：可以注意到很多毛刺都變得更加細，或者被消除。

2.膨脹

概述：與腐蝕相反，膨脹后的圖片會將放大圖像的細節。

????????其實原理和腐蝕原理一樣。所說的“值”可以簡單理解為RGB三個通道[0,255]，值越小，亮度越低，值越大，亮度越高。

????????我們首先定義了一個3*3的矩陣作為核，我們不關心矩陣的值，只關心他的大小。在圖像中用核選中3*3的像素塊，若像素塊中的值相差很大（我們可以將其想象成邊界），值小的像素點會被值大的像素點給取代。也就是亮度高的像素點會被放大取代亮度低的背景像素點。

函數：dilate(cv::InputArray src, cv::OutputArray dst, cv::InputArray kernel)

參數：在膨脹操作中，我們也只關注以下三個參數。

1.cv::InputArray src	輸入圖像
2.OutputArray dst	輸出圖像
3.InputArray kernel	核：n*n的矩陣。n越大，腐蝕的越厲害

代碼：?

#include <iostream> #include <opencv.hpp> #include <core/core.hpp> #include <highgui/highgui.hpp>using namespace cv; using namespace std;int main() {Mat image_1 = imread("lena.jpg");Mat res;//定義一個3*3大小的方形核Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));dilate(image_1,res,element);imshow("lena", image_1);imshow("res",res);waitKey(0);return 0; }

輸出結果：第一眼看，圖像變得更加模糊。但是仔細觀察會發現，一些噪聲點（白點），發絲等細節被放大。

3.開運算

?概述：先對圖像進行腐蝕，再對圖像進行膨脹。

函數：形態學計算（開運算、閉運算、梯度運算、禮帽、黑帽）等操作均使用該函數。

cv::morphologyEx(cv::InputArray src, cv::OutputArray dst, int op, cv::InputArray kernel,)

參數：我們關注以下四個參數。

1.cv::InputArray src	輸入圖像
2.OutputArray dst	輸出圖像
3.int op	形態操作類型(MORPH_OPEN )
4.InputArray kernel	核：n*n的矩陣。n越大，腐蝕的越厲害

代碼：

#include <iostream> #include <opencv.hpp> #include <core/core.hpp> #include <highgui/highgui.hpp>using namespace cv; using namespace std;int main() {Mat image_1 = imread("lena.jpg");Mat res;//定義一個3*3大小的方形核Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));morphologyEx(image_1,res,MORPH_OPEN,element);imshow("lena", image_1);imshow("res",res);waitKey(0);return 0; }

輸出結果：

4.閉運算

概述：先對圖像進行膨脹，再對圖像進行腐蝕。

函數：形態學計算（開運算、閉運算、梯度運算、禮帽、黑帽）等操作均使用該函數。

cv::morphologyEx(cv::InputArray src, cv::OutputArray dst, int op, cv::InputArray kernel,)

參數：我們關注以下四個參數。

1.cv::InputArray src	輸入圖像
2.OutputArray dst	輸出圖像
3.int op	形態操作類型(MORPH_CLOSE)
4.InputArray kernel	核：n*n的矩陣。n越大，腐蝕的越厲害

代碼：

#include <iostream> #include <opencv.hpp> #include <core/core.hpp> #include <highgui/highgui.hpp>using namespace cv; using namespace std;int main() {Mat image_1 = imread("lena.jpg");Mat res;//定義一個3*3大小的方形核Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));morphologyEx(image_1,res,MORPH_CLOSE,element);imshow("lena", image_1);imshow("res",res);waitKey(0);return 0; }

輸出結果：

5.梯度運算

概述：通過對腐蝕和膨脹的理解，我們可以認識到由于邊界上色彩的差異很大，所以導致腐蝕和膨脹在邊界區域的影響很大。簡單化理解就是腐蝕是腐蝕邊界上的細節，膨脹也是放大邊界的細節，兩者相減，就可以算出圖像的邊界信息。

代碼：

#include <iostream> #include <opencv.hpp> #include <core/core.hpp> #include <highgui/highgui.hpp>using namespace cv; using namespace std;int main() {Mat image_1 = imread("lena.jpg");Mat res;//定義一個3*3大小的方形核Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));morphologyEx(image_1,res,MORPH_GRADIENT,element);imshow("lena", image_1);imshow("res",res);waitKey(0);return 0; }

輸出結果：

6.禮帽與黑帽

概述：禮帽運算=原始圖像-開運算生成的圖像

?代碼：

#include <iostream> #include <opencv.hpp> #include <core/core.hpp> #include <highgui/highgui.hpp>using namespace cv; using namespace std;int main() {Mat image_1 = imread("lena.jpg");Mat res;//定義一個3*3大小的方形核Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));morphologyEx(image_1,res,MORPH_TOPHAT,element);imshow("lena", image_1);imshow("res",res);waitKey(0);return 0; }

輸出結果：

概述：禮帽運算=閉運算生成的圖像-原始圖像

?代碼：

#include <iostream> #include <opencv.hpp> #include <core/core.hpp> #include <highgui/highgui.hpp>using namespace cv; using namespace std;int main() {Mat image_1 = imread("lena.jpg");Mat res;//定義一個3*3大小的方形核Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));morphologyEx(image_1,res,MORPH_BLACKHAT,element);imshow("lena", image_1);imshow("res",res);waitKey(0);return 0; }

輸出結果：

總結

以上是生活随笔為你收集整理的(_cai_) opencv学习笔记(1):图像形态学计算的方式 morphology函数的应用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。