当前位置: 首页 > news >正文

6.RV1126-OPENCV 形态学基础膨胀及腐蚀

一.膨胀

1.膨胀原理

        膨胀的本质就是通过微积分的转换,将图像A和图形B进行卷积操作合并成一个A+B图像就是指任意的形状或者大小的图形B。例如下图,将核(也就是图形B)通过微积分卷积,和图像A合并成一个图像A+B。

2.特点

  • 图像就会更加明亮    
  • 图像就会更加粗糙

如下图所示: 

 

 3.膨胀的API

  • 处理图像膨胀的API:void dilate( InputArray src, OutputArray dst, InputArray kernel, Point anchor, int iterations, int borderType, const Scalar&borderValue )

第一个参数:src 的类型是 InputArray,它指的是输入图像,它可以是 Mat 类的数据。图像的通道数可以是任意数,但是图像的深度一般是 CV_8U,CV_16U,CV_16S,CV_32F,CV_64F
第二个参数:dst 的类型是 OutputArray,它指的是目标图像(输出图像),值得注意的是输出图像的尺寸、类型要和输入图像是一致的。
第三个参数:InputArray 类型的 kernel,膨胀操作的核(可以理解为输入图形B)。当这个值为 NULL 的时候,表示使用的核参考点默认是 3*3。这个参数通常会配合 getStructingElement 参数的使用(这个参数的使用,下面我会详细说到)。
第四个参数:Point 类型的 anchor,描点的位置,默认是(-1,-1),表示中心位置。
第五个参数:int 类型的迭代次数,默认是 1
第六个参数:int 类型的 borderType,这个类型用于推断图像外部的边界模式,用的最多的是 BORDER_DEFAULT
下面是常用的几种边框模式(这几种相对比较常用,其他的用的很少)
BORDER_CONSTANT:用指定的像素填充边框
BORDER_REPLICATE:用已知的边缘像素来填充边框
BORDER_WRAP:用另一边的像素来补偿填充
BORDER_DEFAULT:默认模式画边框
BORDER_TRANSPANT: 用透明的方式画框
第七个参数:const Scalar 类型的 borderType,一般不用填写,因为这个 API 已经有了默认值 morphologyDefaultBorderValue()

  • 获取核(图形B)的API: CV_EXPORTS_W Mat getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1));

 第一个参数:表示内核的形状(就是图形B是以什么形状放在图像A上的),这里包括了:矩形(MORPH_RECT)、交叉形(MORPH_CROSS)、椭圆形(MORPH_ELLIPSE),常用的内核形状是矩形
第二个参数:内核的尺寸
第三个参数:锚点的位置,默认值 Point(-1,-1),表示的是位于中心点

4. 代码实战:实现图像膨胀功能

(1)功能实现的步骤:imread 读取图片、使用 cvtColor 对图片进行灰度操作、使用 getStructingElement 获取卷积层(也就是获取图形B)、使用 dilate 对图片进行膨胀(将A和B合并)、imwrite 保存图片。流程图如下:

(2)代码如下:

#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>using namespace cv;
using namespace std;int main()
{Mat testImage = imread("zjl.jpg");//读取图片if(testImage.empty()){printf("read testImage failed....\n");}Mat vertical_structure = getStructuringElement(MORPH_CROSS, Size(20,20));//创建一个20*20的十字形结构元素dilate(testImage, testImage, vertical_structure);//膨胀操作,testImage为输入图像,testImage为输出图像,vertical_structure为核imwrite("zjl1.jpg", testImage);//保存图片return 0;
}

(3)效果如下:上图是MORPH_CROSS(十字交叉的核),下图是MORPH_RECT(矩形核)效果图。

 二.腐蚀

1.腐蚀原理

        原理和膨胀一样,腐蚀就是膨胀的反向操作,膨胀是把图像图像变大,而腐蚀就是把图像变小。

2.特点

  • 图像更加细小
  • 黑暗背景部分会更加大

3.腐蚀的API

  •  CV_EXPORTS_W void erode( InputArray src, OutputArray dst, InputArray kernel, Point anchor = Point(-1,-1), int iterations = 1, int borderType = BORDER_CONSTANT, const Scalar& borderValue = morphologyDefaultBorderValue() );

第一个参数:src 的类型是 InputArray,它指的是输入图像,它可以是 Mat 类的数据。图像的通道数可以是任意数,但是图像的深度一般是 CV_8U,CV_16U,CV_16S,CV_32F,CV_64F
第二个参数:dst 的类型是 OutputArray,它指的是目标图像(输出图像),值得注意的是输出图像的尺寸、类型要和输入图像是一致的。
第三个参数:InputArray 类型的 kernel,膨胀操作的核。当这个值为 NULL 的时候,表示使用的核参考点默认是 3*3。这个参数通常会配合 getStructingElement 参数的使用(这个参数的使用,下面我会详细说到)。
第四个参数:Point 类型的 anchor,描点的位置,默认是(-1,-1),表示中心位置。
第五个参数:int 类型的迭代次数,默认是 1
第六个参数:int 类型的 borderType,这个类型用于推断图像外部的边界模式,它的默认值是 BORDER_DEFAULT
第七个参数:const Scalar 类型的 borderType,一般不用填写,因为这个 API 已经有了默认值 morphologyDefaultBorderValue()

  •  CV_EXPORTS_W Mat getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1));

第一个参数:表示内核的形状,这里包括了:矩形(MORPH_RECT)、交叉(MORPH_CROSS)、椭圆形(MORPH_ELLIPSE)
第二个参数:内核的尺寸
第三个参数:锚点的位置,默认值 Point(-1,-1),表示的是位于中心点

 4.代码实战:实现图像腐蚀功能

(1)功能实现的步骤:imread 读取图片、使用 cvtColor 对图片进行灰度操作、使用 getStructingElement 获取卷积层(也就是获取图形B)、使用 erode 对图片进行腐蚀、imwrite 保存图片。流程图如下: 

(2)代码如下: 

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>using namespace cv;
using namespace std;int main()
{Mat testImage = imread("zjl.jpg");//读取图片if(testImage.empty()){printf("could not load image.....\n");return -1;}Mat vertical_structure = getStructuringElement(MORPH_RECT, Size(15,15));//获取核图形erode(testImage, testImage, vertical_structure);//腐蚀操作imwrite("zjl2.jpg", testImage);//保存图片return 0;
}

(3)效果如下:上图是MORPH_CROSS(十字交叉的核),下图是MORPH_RECT(矩形核)效果图。

http://www.xdnf.cn/news/783667.html

相关文章:

  • git stash介绍(临时保存当前工作目录中尚未提交的修改)
  • CentOS Stream 8 Unit network.service not found
  • 【Python进阶】元类编程
  • 本人精通各种语言输出hello world
  • Windows应用-音视频捕获
  • 关于Tabs组件下TabPane使用v-if导致顺序错误以及页面渲染异常的解决方法
  • Linux Maven Install
  • LeetCode第245题_最短单词距离III
  • PDF.js无法显示数字签名
  • ARM GIC V3概述
  • 预览pdf(url格式和blob格式)
  • 【C/C++】初步了解享元模式
  • Linux账号和权限管理
  • ubuntu 20.04挂载固态硬盘
  • 什么是“音节”?——语言构成的节拍单位
  • 【Java Web】7.事务管理AOP
  • 【Spring】Spring哪些源码解决了哪些问题P1
  • WINUI——Magewell视频捕捉开发手记
  • “packageManager“: “pnpm@9.6.0“ 配置如何正确启动项目?
  • Vue-ref 与 props
  • 不止抓请求:5种开发场景中的抓包组合策略(含 Charles 等工具)
  • SpringBoot 数据库导入导出 Xlsx文件的导入与导出 全量导出 数据库导出表格 数据处理 外部数据
  • DHCP 动态主机配置协议(Dynamic host configuration protocol)逐层封装过程: DHCP --> UDP --> IP
  • 从0到1,带你走进Flink的世界
  • iOS 电子书听书功能的实现
  • [yolov11改进系列]基于yolov11使用FasterNet替换backbone用于轻量化网络的python源码+训练源码
  • React---day8
  • Express 集成Sequelize+Sqlite3 默认开启WAL 进程间通信 Conf 打包成可执行 exe 文件
  • mobilnet v4 部署笔记
  • [yolov11改进系列]基于yolov11引入自集成注意力机制SEAM解决遮挡问题的python源码+训练源码