526互联

32、形态学处理

发布时间 2023-04-11 14:41:38作者: 夏蝉沐雪

1、图像腐蚀

　　图像的腐蚀过程与图像的卷积操作类似，都需要模板矩阵来控制运算的结果，在图像的腐蚀和膨胀中这个模板矩阵被称为结构元素。与图像卷积相同，结构元素可以任意指定图像的中心点，并且结构元素的尺寸和具体内容都可以根据需求自己定义。定义结构元素之后，将结构元素的中心点依次放到图像中每一个非0元素处，如果此时结构元素内所有的元素所覆盖的图像像素值均不为0，则保留结构元素中心点对应的图像像素，否则将删除结构元素中心点对应的像素。图像的腐蚀过程示意图如图6-12所示，图6-12中左侧为待腐蚀的原图像，中间为结构元素，首先将结构元素的中心与原图像中的A像素重合，此时结构元素中心点的左侧和上方元素所覆盖的图像像素值均为0，因此需要将原图像中的A像素删除；当把结构元素的中心点与B像素重合时，此时结构元素中所有的元素所覆盖的图像像素值均为1，因此保留原图像中的B像素。将结构元素中心点依次与原图像中的每个像素重合，判断每一个像素点是否保留或者删除，最终原图像腐蚀的结果如图6-12中右侧图像所示。

 

　　图像腐蚀过程中使用的结构元素可以根据需求自己生成，但是为了研究人员的使用方便，OpenCV 4提供了getStructuringElement()函数用于生成常用的矩形结构元素、十字结构元素和椭圆结构元素。该函数的函数原型在代码清单6-10中给出。

代码清单6-10 getStructuringElement()函数原型
1.Mat cv::getStructuringElement(int  shape,
2.                              Size  ksize,
3.                              Point  anchor = Point(-1,-1) 
4.                              )
  • shape：结构元素的种类，可以选择的参数及含义在表6-5中给出。
  • ksize：结构元素的尺寸大小
  • anchor：中心点的位置，默认参数为结构元素的几何中心点。

该函数用于生成图像形态学操作中常用的矩形结构元素、十字结构元素和椭圆结构元素。函数第一个参数为生成结构元素的种类，可以选择的参数及含义在表6-5给出，函数第二个参数是结构元素的尺寸大小，能够影响到图像腐蚀的效果，一般情况下，结构元素的种类相同时，结构元素的尺寸越大腐蚀效果越明显。函数的最后一个参数是结构元素的中心点，只有十字结构元素的中心点位置会影响图像腐蚀后的轮廓形状，其他种类的结构元素的中心点位置只影响形态学操作结果的平移量。

表6-5 getStructuringElement()函数结构元素形状可选择参数
标志参数简记作用
MORPH_RECT 0 矩形结构元素，所有元素都为1
MORPH_CROSS 1 十字结构元素，中间的列和行元素为1
MORPH_ELLIPSE 2 椭圆结构元素，矩形的椭圆内接元素为1

OpenCV 4提供了用于图像腐蚀的erode()函数，该函数的函数原型在代码清单6-11中给出。

代码清单6-11 erode()图像腐蚀
1.void cv::erode(InputArray  src,
2.               OutputArray  dst,
3.               InputArray  kernel,
4.               Point  anchor = Point(-1,-1),
5.               int  iterations = 1,
6.               int  borderType = BORDER_CONSTANT,
7.               const Scalar &  borderValue = morphologyDefaultBorderValue() 
8.               )
  • src：输入的待腐蚀图像，图像的通道数可以是任意的，但是图像的数据类型必须是CV_8U，CV_16U，CV_16S，CV_32F或CV_64F之一。
  • dst：腐蚀后的输出图像，与输入图像src具有相同的尺寸和数据类型。
  • kernel：用于腐蚀操作的结构元素，可以自己定义，也可以用getStructuringElement()函数生成。
  • anchor：中心点在结构元素中的位置，默认参数为结构元素的几何中心点
  • iterations：腐蚀的次数，默认值为1。
  • borderType：像素外推法选择标志，取值范围在表3-5中给出。默认参数为BORDER_DEFAULT，表示不包含边界值倒序填充。
  • borderValue：使用边界不变外推法时的边界值。

该函数根据结构元素对输入图像进行腐蚀，在腐蚀多通道图像时每个通道独立进行腐蚀运算。函数的第一个参数为待腐蚀的图像，图像通道数可以是任意的，但是图像的数据类型必须是CV_8U，CV_16U，CV_16S，CV_32F或CV_64F之一。函数第二个参数为腐蚀后的输出图像，与输入图像具有相同的尺寸和数据类型。函数第三个和第四个参数都是与结构元素相关的参数，第三个参数为结构元素，第四个参数为结构元素的中心位置，第四个参数的默认值为Point(-1,-1)，表示结构元素的几何中心处为结构元素的中心点。函数第五个参数是使用结构元素腐蚀的次数，腐蚀次数越多效果越明显，参数默认值为1，表示只腐蚀1次。函数第六个参数是图像像素外推法的选择标志，第七个参数为使用边界不变外推法时的边界值，这两个参数对图像中主要部分的腐蚀操作没有影响，因此在多数情况下使用默认值即可。需要注意的是该函数的腐蚀过程只针对图像中的非0像素，因此如果图像是以0像素为背景，那么腐蚀操作后会看到图像中的内容变得更瘦更小；如果图像是以255像素为背景，那么腐蚀操作后会看到图像中的内容变得更粗更大。

代码清单6-12 myErode.cpp图像腐蚀
1.#include <opencv2\opencv.hpp>
2.#include <iostream>
3.#include <vector>
4.
5.using namespace cv;
6.using namespace std;
7.//绘制包含区域函数
8.void drawState(Mat &img, int number, Mat centroids, Mat stats, String str) {
9.  RNG rng(10086);
10    vector<Vec3b> colors;
11.  for (int i = 0; i < number; i++)
12.  {
13.    //使用均匀分布的随机数确定颜色
14.    Vec3b vec3 = Vec3b(rng.uniform(0,256),rng.uniform(0,256),rng.uniform(0,256));
15.    colors.push_back(vec3);
16.  }
17.
18.  for (int i = 1; i < number; i++)
19.  {
20.    // 中心位置
21.    int center_x = centroids.at<double>(i, 0);
22.    int center_y = centroids.at<double>(i, 1);
23.    //矩形边框
24.    int x = stats.at<int>(i, CC_STAT_LEFT);
25.    int y = stats.at<int>(i, CC_STAT_TOP);
26.    int w = stats.at<int>(i, CC_STAT_WIDTH);
27.    int h = stats.at<int>(i, CC_STAT_HEIGHT);
28.
29.    // 中心位置绘制
30.    circle(img, Point(center_x, center_y), 2, Scalar(0, 255, 0), 2, 8, 0);
31.    // 外接矩形
32.    Rect rect(x, y, w, h);
33.    rectangle(img, rect, colors[i], 1, 8, 0);
34.    putText(img, format("%d", i), Point(center_x, center_y),
35.      FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 0, 255), 1);
36.  }
37.  imshow(str, img);
38.}
39.
40.int main()
41.{
42.  //生成用于腐蚀的原图像
43.  Mat src = (Mat_<uchar>(6, 6) << 0, 0, 0, 0, 255, 0,
44.    0, 255, 255, 255, 255, 255,
45.    0, 255, 255, 255, 255, 0,
46.    0, 255, 255, 255, 255, 0,
47.    0, 255, 255, 255, 255, 0,
48.    0, 0, 0, 0, 0, 0);
49.  Mat struct1, struct2;
50.  struct1 = getStructuringElement(0, Size(3, 3));  //矩形结构元素
51.  struct2 = getStructuringElement(1, Size(3, 3));  //十字结构元素
52.
53.  Mat erodeSrc;  //存放腐蚀后的图像
54.  erode(src, erodeSrc, struct2);
55.  namedWindow("src", WINDOW_GUI_NORMAL);
56.  namedWindow("erodeSrc", WINDOW_GUI_NORMAL);
57.  imshow("src", src);
58.  imshow("erodeSrc", erodeSrc);
59.
60.  Mat LearnCV_black = imread("LearnCV_black.png", IMREAD_ANYCOLOR);
61.  Mat LearnCV_write = imread("LearnCV_write.png", IMREAD_ANYCOLOR);
62.  Mat erode_black1, erode_black2, erode_write1, erode_write2;
63.  //黑背景图像腐蚀
64.  erode(LearnCV_black, erode_black1, struct1);
65.  erode(LearnCV_black, erode_black2, struct2);
66.  imshow("LearnCV_black", LearnCV_black);
67.  imshow("erode_black1", erode_black1);
68.  imshow("erode_black2", erode_black2);
69.
70.  //白背景腐蚀
71.  erode(LearnCV_write, erode_write1, struct1);
72.  erode(LearnCV_write, erode_write2, struct2);
73.  imshow("LearnCV_write", LearnCV_write);
74.  imshow("erode_write1", erode_write1);
75.  imshow("erode_write2", erode_write2);
76.
77.  //验证腐蚀对小连通域的去除
78.  Mat img = imread("rice.png");
79.  Mat img2;
80.  copyTo(img, img2, img);  //克隆一个单独的图像，用于后期图像绘制
81.  Mat rice, riceBW;
82.
83.  //将图像转成二值图像，用于统计连通域
84.  cvtColor(img, rice, COLOR_BGR2GRAY);
85.  threshold(rice, riceBW, 50, 255, THRESH_BINARY);
86.
87.  Mat out, stats, centroids;
88.  //统计图像中连通域的个数
89.  int number = connectedComponentsWithStats(riceBW, out, stats,centroids,8,CV_16U);
90.  drawState(img, number, centroids, stats, "未腐蚀时统计连通域");  //绘制图像
91.
92.  erode(riceBW, riceBW, struct1);  //对图像进行腐蚀
93.  number = connectedComponentsWithStats(riceBW, out, stats, centroids, 8, CV_16U);
94.  drawState(img2, number, centroids, stats, "腐蚀后统计连通域");  //绘制图像
95.
96.  waitKey(0);
97.  return 0;
98.}

2、图像膨胀

代码清单6-13 dilate()图像膨胀
1.void cv::dilate(InputArray  src,
2.              OutputArray  dst,
3.              InputArray  kernel,
4.              Point  anchor = Point(-1,-1),
5.int  iterations = 1,
6.int  borderType = BORDER_CONSTANT,
7.const Scalar &  borderValue = morphologyDefaultBorderValue()
8.              )
  • src：输入的待膨胀图像，图像的通道数可以是任意的，但是图像的数据类型必须是CV_8U，CV_16U，CV_16S，CV_32F或CV_64F之一。
  • dst：膨胀后的输出图像，与输入图像src具有相同的尺寸和数据类型。
  • kernel：用于膨胀操作的结构元素，可以自己定义，也可以用getStructuringElement()函数生成。
  • anchor：中心点在结构元素中的位置，默认参数为结构元素的几何中心点
  • iterations：膨胀的次数，默认值为1。
  • borderType：像素外推法选择标志，取值范围在表3-5中给出。默认参数为BORDER_DEFAULT，表示不包含边界值倒序填充。
  • borderValue：使用边界不变外推法时的边界值。

　　该函数根据结构元素对输入图像进行膨胀，在膨胀多通道图像时每个通道独立进行膨胀运算。函数的第一个参数为待膨胀的图像，图像通道数可以是任意的，但是图像的数据类型必须是CV_8U，CV_16U，CV_16S，CV_32F或CV_64F之一。函数第二个参数为膨胀后的输出图像，与输入图像具有相同的尺寸和数据类型。函数第三个和第四个参数都是与结构元素相关的参数，第三个参数为结构元素，膨胀时使用的结构元素尺寸越大效果越明显，第四个参数为结构元素的中心位置，第四个参数的默认值为Point(-1,-1)，表示结构元素的几何中心处为结构元素的中心点。函数第五个参数是使用结构元素膨胀的次数，膨胀次数越多效果越明显，默认参数为1，表示只膨胀1次。函数第六个参数是图像像素外推法的选择标志，第七个参数为使用边界不变外推法时的边界值，这两个参数对图像中主要部分的膨胀操作没有影响，因此在多数情况下使用默认值即可。需要注意的是该函数的膨胀过程只针对图像中的非0像素，因此如果图像是以0像素为背景，那么膨胀操作后会看到图像中的内容变得更粗更大；如果图像是以255像素为背景，那么膨胀操作后会看到图像中的内容变得更细更小。

3、开运算

　　开运算是对图像腐蚀和膨胀的组合，OpenCV 4没有提供只用于图像开运算的函数，而是提供了图像腐蚀和膨胀运算不同组合形式的morphologyEx()函数，以实现图像的开运算、闭运算、形态学提取、顶帽运算、黑帽运算以及击中击不中变换，该函数的函数原型在代码清单6-15中给出。

代码清单6-15 morphologyEx()函数原型
1.void cv::morphologyEx(InputArray  src,
2.                      OutputArray  dst,
3.                      int  op,
4.                      InputArray  kernel,
5.                      Point  anchor = Point(-1,-1),
6.                      int  iterations = 1,
7.                      int  borderType = BORDER_CONSTANT,
8.                      const Scalar &  borderValue = morphologyDefaultBorderValue()  
9.                      )
  • src：输入图像，图像的通道数可以是任意的，但是图像的数据类型必须是CV_8U，CV_16U，CV_16S，CV_32F或CV_64F之一。
  • dst：形态学操作后的输出图像，与输入图像具有相同的尺寸和数据类型。
  • op：形态学操作类型的标志，可以选择的标志及含义在表6-6中给出。
  • kernel：结构元素，可以自己生成，也可以用getStructuringElement()函数生成。
  • anchor：中心点在结构元素中的位置，默认参数为结构元素的几何中心点
  • iterations：处理的次数
  • borderType：像素外推法选择标志，取值范围在表3-5中给出。默认参数为BORDER_DEFAULT，表示不包含边界值倒序填充。
  • borderValue：使用边界不变外推法时的边界值。

　　该函数根据结构元素对输入图像进行多种形态学操作，在处理多通道图像时每个通道独立进行处理。函数的第一个参数为待形态学处理的图像，图像通道数可以是任意的，但是图像的数据类型必须是CV_8U，CV_16U，CV_16S，CV_32F或CV_64F之一。函数第二个参数为形态学处理后的输出图像，与输入图像具有相同的尺寸和数据类型。函数第三个参数是形态学操作类型的选择标志，可以选择的形态学操作类型有开运算、闭运算、形态学梯度、顶帽运算、黑帽运算以及击中击不中变换，详细的参数在表6-6给出。函数第四个和第五个参数都是与结构元素相关的参数，第四个参数为结构元素，使用的结构元素尺寸越大效果越明显，第四个参数为结构元素的中心位置，第五个参数的默认值为Point(-1,-1)，表示结构元素的几何中心处为结构元素的中心点。函数第六个参数是使用结构元素处理的次数，处理次数越多效果越明显。函数第七个参数是图像像素外推法的选择标志，第八个参数为使用边界不变外推法时的边界值，这两个参数对图像中主要部分的形态学操作没有影响，因此在多数情况下使用默认值即可。

表6-6 morphologyEX()函数中形态学操作类型标志可选参数及含义

标志参数简记作用
MORPH_ERODE 0 图像腐蚀
MORPH_DILATE 1 图像膨胀
MORPH_OPEN 2 开运算
MORPH_CLOSE 3 闭运算
MORPH_GRADIENT 4 形态学梯度
MORPH_TOPHAT 5 顶帽运算
MORPH_BLACKHAT 6 黑帽运算
MORPH_HITMISS 7 击中击不中运算