圖像形態學一般用於閾值化後的二值圖像,其實也可以用於灰度圖像的處理,這篇文章主要對灰度中的應用做分析。
1.膨脹與腐蝕
函數 void cvErode( const CvArr* src, CvArr* dst, IplConvKernel* element=NULL, int iterations=1 );//腐蝕函數 void cvDilate( const CvArr* src, CvArr* dst, IplConvKernel* element=NULL, int iterations=1 );//膨脹函數
函數解釋可以參考:opencv論壇,關於裏面的結構IplConvKernel可以參考:http://blog.csdn.net/babbxazzg/article/details/5976177
腐蝕操作要計算核區域內像素的最小值。膨脹操作要計算核區域內的像素最大值。具體的函數表達:
如果在二值圖像中進行表達,那麼就是按核進行擴展,在二值圖像中,膨脹可以填充小的凹陷,鏈接一些相近的部件,腐蝕可以去除一些小的斑點。
2.IplConvKernel結構
結構 typedef struct _IplConvKernel { int nCols; int nRows; int anchorX; int anchorY; int *values; int nShiftR; } IplConvKernel; 在這裏,對其中的變量定義做一簡單的描述: nCols,nRows:結構元素的行寬與列高; anchorX,anchorY:結構元素原點(錨點)的位置座標,水平,垂直; nShiftR:用於表示結構元素的形狀類型,有如下幾個值: #define CV_SHAPE_RECT 0 #define CV_SHAPE_CROSS 1 #define CV_SHAPE_ELLIPSE 2 #define CV_SHAPE_CUSTOM 100 分別表示矩形,十字,橢圓和自定義。 values:當nShiftR爲自定義時,value是指向結構元素數據的指針,如果結構元素的大小定義爲8*6,那麼values爲48長的int數組,值爲0或1。
操作函數:
結構IplConvKernel* cvCreateStructuringElementEx( int cols, int rows, int anchor_x, int anchor_y, int shape, int* values=NULL );//創建 void cvReleaseStructuringElement( IplConvKernel** element );//釋放
以前做過一個點識別的程序,就是用這個實現的,代碼圖片如下:
形態學灰度操作實例 #include "stdafx.h" #include "cv.h" #include "cxcore.h" #include "highgui.h" #include "math.h" int _tmain(int argc, _TCHAR* argv[]) { cvNamedWindow("src"); cvNamedWindow("dst"); cvNamedWindow("thresh"); IplImage *img=cvLoadImage("2.bmp"); IplImage *img2 = cvCreateImage(cvSize(img->width,img->height),IPL_DEPTH_8U,1); IplImage *img3 = cvCreateImage(cvSize(img->width,img->height),IPL_DEPTH_8U,1); cvCvtColor(img,img2,CV_BGR2GRAY); cvShowImage("src",img2); IplConvKernel* t = cvCreateStructuringElementEx(11, 11, 6,6,CV_SHAPE_ELLIPSE); cvDilate(img2,img3,t); cvReleaseStructuringElement( &t ); cvSaveImage("dst.jpg",img3); cvShowImage("dst",img3); cvThreshold(img3,img2,60,255,CV_THRESH_BINARY); cvShowImage("thresh",img2); cvWaitKey(); cvDestroyWindow("thresh"); cvDestroyWindow("dst"); cvDestroyWindow("src"); return 0; }
上面雖然不是一個很好的例子,但是在一定程度上說明形態學灰度的效果。
3. cvMorphologyEx
opencv中實現開運算、閉運算、形態梯度、tophat,baackhat的函數是cvMorphologyEx();具體使用方法:
cvMorphologyEx void cvMorphologyEx( const CvArr* src, CvArr* dst, CvArr* temp, IplConvKernel* element, int operation, int iterations=1 ); src 輸入圖像. dst 輸出圖像. temp 臨時圖像,某些情況下需要 element 結構元素 operation 形態操作的類型: CV_MOP_OPEN - 開運算 CV_MOP_CLOSE - 閉運算 CV_MOP_GRADIENT - 形態梯度 CV_MOP_TOPHAT - "頂帽" CV_MOP_BLACKHAT - "黑帽" iterations 膨脹和腐蝕次數. 函數 cvMorphologyEx 在膨脹和腐蝕基本操作的基礎上,完成一些高級的形態變換: 開運算 dst=open(src,element)=dilate(erode(src,element),element) 閉運算 dst=close(src,element)=erode(dilate(src,element),element) 形態梯度 dst=morph_grad(src,element)=dilate(src,element)-erode(src,element) "頂帽" dst=tophat(src,element)=src-open(src,element) "黑帽" dst=blackhat(src,element)=close(src,element)-src 臨時圖像 temp 在形態梯度以及對“頂帽”和“黑帽”操作時的 in-place 模式下需要。
有人說,這個函數使用非對稱結構的時候會造成偏移,其實即使使用opencv其他函數實現也會造成偏移,原理使其然,並不阻礙我們使用。
需要說明的是,最後一個參數,例如閉運算,iterations=2的時候,並不是說分別執行2次閉運算,也就是dilate—>erode-->dilate—>erode,實際的情況是dilate—>dilate-->erode—>erode。
(1)開運算,必運算
開運算是先腐蝕,再膨脹,用來消除小物體、在纖細點處分離物體、平滑較大物體的邊界的同時並不明顯改變其面積。
閉運算是先膨脹,在腐蝕,用來填充物體內細小空洞、連接鄰近物體、平滑其邊界的同時並不明顯改變其面積。
就用《learning opencv》上的圖說明吧:
開運算 閉運算
下圖爲例,演示通過開運算和閉運算消除噪聲,突出需要的物體,原圖以及經過二值化以後的圖像如下:
可以看到二值畫以後的圖像中,區域邊緣有很多毛刺,雖然濾波也可以消除,但是不是很乾淨,想我採用的形態學操作辦法,代碼:
形態學操作例子 cvNamedWindow("src"); cvNamedWindow("dst"); IplImage *img=cvLoadImage("12.bmp"); IplImage *img2 = cvCreateImage(cvSize(img->width,img->height),IPL_DEPTH_8U,1); IplImage *img3 = cvCreateImage(cvSize(img->width,img->height),IPL_DEPTH_8U,1); cvCvtColor(img,img2,CV_BGR2GRAY); cvThreshold(img2,img2,60,255,CV_THRESH_BINARY); cvShowImage("src",img2); cvSaveImage("src.jpg",img2); IplConvKernel* t = cvCreateStructuringElementEx(7, 7, 4,4,CV_SHAPE_ELLIPSE); IplConvKernel* t2 = cvCreateStructuringElementEx(5, 5, 3,3,CV_SHAPE_ELLIPSE); cvMorphologyEx(img2,img3,NULL,t2,CV_MOP_OPEN); cvMorphologyEx(img3,img3,NULL,t2,CV_MOP_OPEN); cvMorphologyEx(img3,img3,NULL,t,CV_MOP_CLOSE); cvMorphologyEx(img3,img3,NULL,t,CV_MOP_CLOSE); cvReleaseStructuringElement( &t ); cvReleaseStructuringElement( &t2 ); cvSaveImage("dst.jpg",img3); cvShowImage("dst",img3); cvWaitKey(); cvDestroyWindow("dst"); cvDestroyWindow("src"); return 0;
即先進性2次開運算,擴大邊緣的噪聲,在使用閉運算,連接邊緣的毛刺,開運算和閉運算的結果如下:
經過開運算,閉運算後,邊緣平滑很多,這並不是一個很好的例子,手邊剛好有這麼一張圖片,就一次來說明問題而已
轉自:http://www.cnblogs.com/zsb517/archive/2012/06/08/2541193.html