opencv-形态学处理

开运算 (Opening)

• 原理摘自：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/opening_closing_hats/opening_closing_hats.html
• 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。
• 

闭运算(Closing)

• 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)。

  

形态梯度(Morphological Gradient)

• 膨胀图与腐蚀图之差

  

• 能够保留物体的边缘轮廓，如下所示:

  

顶帽(Top Hat)

• 原图像与开运算结果图之差

  

  

黑帽(Black Hat)

• 闭运算结果图与原图像之差

  

  

• 代码：

• // ConsoleApplication3_6_23.cpp : Defines the entry point for the console application.
  //
  
  #include "stdafx.h"
  #include<opencv2/opencv.hpp>
  #include<iostream>
  using namespace std;
  using namespace cv;
  
  Mat src,dst;
  
  int pro_elem = 0;
  int pro_size = 0;
  int pro_operator = 0;
  
  const int max_elem = 2;
  const int max_size = 21;
  const int max_operator = 4;
  
  char* windowName = "Demo";
  void Image_pro(int,void*);
  
  int _tmain(int argc, _TCHAR* argv[])
  {
  	src = imread("hwl.jpg");
  	if(!src.data)
  		return -1;
  
  	namedWindow(windowName,CV_WINDOW_AUTOSIZE);
  
  	createTrackbar("Operator:\n 0:opening-1:closing-2:gradient-3:Top Hat-4:	Black Hat",
  		windowName,&pro_operator,max_operator,Image_pro);
  
  	createTrackbar("Element:\n 0:Rect-1:Cross-2:Ellipse",
  		windowName,&pro_elem,max_elem,Image_pro);
  
  	createTrackbar("Kernel size:\n 2n+1",
  		windowName,&pro_size,max_size,Image_pro);
  
  	Image_pro(0,0);
  	waitKey(0);
  	return 0;
  }
  
  void Image_pro(int,void*)
  {
  	int operation = pro_operator + 2;
  	Mat  element = getStructuringElement(pro_elem,Size(2*pro_size+1,2*pro_size+1),
  		Point(pro_size,pro_size));
  	morphologyEx(src,dst,operation,element);
  	imshow(windowName,dst);
  }
  

opencv-形态学处理