opencv基础:形态学变换目标在本文中，将学习如何：使用 OpenCV 函数cv::morphologyEx应用形

1. 目标

在本文中，将学习如何：

使用 OpenCV 函数cv::morphologyEx应用形态变换，例如：
- 开运算 Opening
- 闭运算 Closing
- 形态学梯度 Morphological Gradient
- 顶帽变换 Top Hat
- 底帽变换 Black Hat

2. 理论

笔记

下面的解释来自Bradski 和 Kaehler的《Learning OpenCV 》一书。

在之前的文章中，介绍了两个基本的形态学操作：

腐蚀
膨胀

基于这两个，可以对图像进行更复杂的转换。在这里，将简要讨论 OpenCV 提供的 5 种操作：

2.1 开运算 Opening

先对图像进行腐蚀然后进行膨胀。
$dst=open(src,element)=erode(dilate(src,element))$
用于移除小物体（假设物体在黑暗的前景中是明亮的）
例如，看看下面的例子。左边的图像是原始图像，右边的图像是应用开放变换后的结果。我们可以观察到小点已经消失了。

2.2 闭运算 Closing

先对图像的膨胀然后腐蚀。

dst=open(src,element)=dilate(erode(src,element))

用于去除孔洞（暗区）。

2.3 形态学梯度 Morphological Gradient

图像膨胀和腐蚀的差。

dst=morph_{grad}(src,element)=dilate(src,element)-erode(src,element)

用于查找对象的轮廓，如下所示：

2.4 顶帽变换 Top Hat

它是输入图像与图像开运算的差。

dst=tophat(src,element)=src-open(src,element)

2.5 底帽变换 Black Hat

它是图像闭运算和输入图像之间的差

dst=blackhat(src,element)=close(src,element)-src

3. 代码

本教程的代码如下所示。也可以在这里下载


#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>
using namespace cv;
Mat src, dst;
int morph_elem = 0;
int morph_size = 0;
int morph_operator = 0;
int const max_operator = 4;
int const max_elem = 2;
int const max_kernel_size = 21;
const char* window_name = "Morphology Transformations Demo";
void Morphology_Operations( int, void* );
int main( int argc, char** argv )
{
  CommandLineParser parser( argc, argv, "{@input | baboon.jpg | input image}" );
  src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR );
  if (src.empty())
  {
    std::cout << "Could not open or find the image!\n" << std::endl;
    std::cout << "Usage: " << argv[0] << " <Input image>" << std::endl;
    return EXIT_FAILURE;
  }
  namedWindow( window_name, WINDOW_AUTOSIZE ); // Create window
  createTrackbar("Operator:\n 0: Opening - 1: Closing  \n 2: Gradient - 3: Top Hat \n 4: Black Hat", window_name, &morph_operator, max_operator, Morphology_Operations );
  createTrackbar( "Element:\n 0: Rect - 1: Cross - 2: Ellipse", window_name,
                  &morph_elem, max_elem,
                  Morphology_Operations );
  createTrackbar( "Kernel size:\n 2n +1", window_name,
                  &morph_size, max_kernel_size,
                  Morphology_Operations );
  Morphology_Operations( 0, 0 );
  waitKey(0);
  return 0;
}
void Morphology_Operations( int, void* )
{
  // Since MORPH_X : 2,3,4,5 and 6
  int operation = morph_operator + 2;
  Mat element = getStructuringElement( morph_elem, Size( 2*morph_size + 1, 2*morph_size+1 ), Point( morph_size, morph_size ) );
  morphologyEx( src, dst, operation, element );
  imshow( window_name, dst );
}

4. 代码解释

看一下 C++ 程序的一般结构：
- 加载图像
- 创建一个窗口来显示形态学操作的结果
- 创建三个Trackbars供用户输入参数：
- 第一个 trackbar Operator返回要使用的形态操作类型（morph_operator）。


 createTrackbar("Operator:\n 0: Opening - 1: Closing  \n 2: Gradient - 3: Top Hat \n 4: Black Hat", window_name, &morph_operator, max_operator, Morphology_Operations );

第二个 trackbar元素返回morph_elem，它表明我们的内核是哪种结构：

createTrackbar( "Element:\n 0: Rect - 1: Cross - 2: Ellipse", window_name,
                  &morph_elem, max_elem,
                  Morphology_Operations );

最后的 trackbar Kernel Size返回要使用的内核的大小（morph_size）

 createTrackbar( "Kernel size:\n 2n +1", window_name,
                  &morph_size, max_kernel_size,
                  Morphology_Operations );

每次移动任何滑块时，都会调用用户函数Morphology_Operations来执行新的形态学操作，并且它将根据当前trackbar值更新输出图像。

void Morphology_Operations( int, void* )
{
  // Since MORPH_X : 2,3,4,5 and 6
  int operation = morph_operator + 2;
  Mat element = getStructuringElement( morph_elem, Size( 2*morph_size + 1, 2*morph_size+1 ), Point( morph_size, morph_size ) );
  morphologyEx( src, dst, operation, element );
  imshow( window_name, dst );
}

可以观察到执行形态变换的关键函数是cv::morphologyEx。在此示例中，使用四个参数（将其余参数保留为默认值）：

src：源（输入）图像
dst : 输出图像
operation：要执行的形态变换类型。请注意，我们有 5 种选择：
- 开运算：MORPH_OPEN：2
- 闭运算：MORPH_CLOSE：3
- 形态学梯度：MORPH_GRADIENT：4
- 顶帽：MORPH_TOPHAT：5
- 底帽：MORPH_BLACKHAT：6
如您所见，值的范围是 <2-6>，这就是我们将 (+2) 加到 Trackbar 输入的值的原因：
```
int operation = morph_operator + 2;
```
- element：要使用的内核。使用函数cv::getStructuringElement来自定义结构。

5. 结果

编译上面的代码后，运行，将图像路径作为参数。使用图像的结果：狒狒.png：
这是显示窗口的两个快照。第一张图显示了使用带有跨内核的算子Opening后的输出。第二张图片（右侧，显示了使用带有椭圆内核的Blackhat算子的结果。

原文地址