欢迎访问 生活随笔！
TAG聚合

生活随笔

当前位置： 首页 >

OpenCV 【十八】图像平滑处理/腐蚀与膨胀(Eroding and Dilating)/开闭运算，形态梯度，顶帽，黑帽运算

发布时间：2023/11/27 58 豆豆
生活随笔 收集整理的这篇文章主要介绍了 OpenCV 【十八】图像平滑处理/腐蚀与膨胀(Eroding and Dilating)/开闭运算，形态梯度，顶帽，黑帽运算 小编觉得挺不错的,现在分享给大家,帮大家做个参考.

图像滤波总结（面试经验总结）https://blog.csdn.net/Darlingqiang/article/details/79507468

目录

part one 图像平滑处理

1原理

2代码

3效果

part two 腐蚀与膨胀(Eroding and Dilating)

1原理

2代码

3运行结果

part three更多形态学变换¶

1 原理

2 代码

3 结果

part one 图像平滑处理

1原理

  • 平滑 也称 模糊, 是一项简单且使用频率很高的图像处理方法。

  • 平滑处理的用途有很多， 但是在本教程中我们仅仅关注它减少噪声的功用 (其他用途在以后的教程中会接触到)。

  • 平滑处理时需要用到一个 滤波器 。 最常用的滤波器是 线性 滤波器，线性滤波处理的输出像素值 (i.e. ) 是输入像素值 (i.e. )的加权和 :

     称为 核, 它仅仅是一个加权系数。

    不妨把 滤波器 想象成一个包含加权系数的窗口，当使用这个滤波器平滑处理图像时，就把这个窗口滑过图像。

  • 滤波器的种类有很多， 这里仅仅提及最常用的:

1.1归一化块滤波器 (Normalized Box Filter)

  • 最简单的滤波器， 输出像素值是核窗口内像素值的 均值 ( 所有像素加权系数相等)

  • 核如下:

1.2高斯滤波器 (Gaussian Filter)

  • 最有用的滤波器 (尽管不是最快的)。 高斯滤波是将输入数组的每一个像素点与 高斯内核 卷积将卷积和当作输出像素值。

  • 还记得1维高斯函数的样子吗?

     

    假设图像是1维的,那么观察上图，不难发现中间像素的加权系数是最大的， 周边像素的加权系数随着它们远离中间像素的距离增大而逐渐减小。

Note

 

2维高斯函数可以表达为 :

其中 为均值 (峰值对应位置)，

代表标准差 (变量 和 变量 各有一个均值，也各有一个标准差)

1.3中值滤波器 (Median Filter)

中值滤波将图像的每个像素用邻域 (以当前像素为中心的正方形区域)像素的 中值 代替 。

1.4双边滤波 (Bilateral Filter)

  • 目前我们了解的滤波器都是为了 平滑 图像， 问题是有些时候这些滤波器不仅仅削弱了噪声， 连带着把边缘也给磨掉了。 为避免这样的情形 (至少在一定程度上 ), 我们可以使用双边滤波。

  • 类似于高斯滤波器，双边滤波器也给每一个邻域像素分配一个加权系数。 这些加权系数包含两个部分, 第一部分加权方式与高斯滤波一样，第二部分的权重则取决于该邻域像素与当前像素的灰度差值。

  • 详细的解释可以查看 链接

2代码

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
​
using namespace std;
using namespace cv;
​
/// 全局变量
int DELAY_CAPTION = 15000;
int DELAY_BLUR = 100;
int MAX_KERNEL_LENGTH = 31;
​
Mat src; Mat dst;
char window_name[] = "Filter Demo 1";
​
/// 函数申明
int display_caption(char* caption);
int display_dst(int delay);
​
/**
*  main 函数
*/
int main(int argc, char** argv)
{namedWindow(window_name, CV_WINDOW_AUTOSIZE);
​/// 载入原图像src = imread("C:\\Users\\guoqi\\Desktop\\ch7\\4.jpg", 1);
​if (display_caption("Original Image") != 0) { return 0; }
​dst = src.clone();if (display_dst(DELAY_CAPTION) != 0) { return 0; }/// 使用 均值平滑if (display_caption("Homogeneous Blur") != 0) { return 0; }
​for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){blur(src, dst, Size(i, i), Point(-1, -1));if (display_dst(DELAY_BLUR) != 0) { return 0; }}
​/// 使用高斯平滑if (display_caption("Gaussian Blur") != 0) { return 0; }
​for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){GaussianBlur(src, dst, Size(i, i), 0, 0);if (display_dst(DELAY_BLUR) != 0) { return 0; }}
​/// 使用中值平滑if (display_caption("Median Blur") != 0) { return 0; }
​for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){medianBlur(src, dst, i);if (display_dst(DELAY_BLUR) != 0) { return 0; }}
​/// 使用双边平滑if (display_caption("Bilateral Blur") != 0) { return 0; }
​for (int i = 1; i < MAX_KERNEL_LENGTH; i = i + 2){bilateralFilter(src, dst, i, i * 2, i / 2);if (display_dst(DELAY_BLUR) != 0) { return 0; }}
​/// 等待用户输入display_caption("End: Press a key!");
​waitKey(0);return 0;
}
​
int display_caption(char* caption)
{dst = Mat::zeros(src.size(), src.type());putText(dst, caption,Point(src.cols / 4, src.rows / 2),CV_FONT_HERSHEY_COMPLEX, 1, Scalar(255, 255, 255));
​imshow(window_name, dst);int c = waitKey(DELAY_CAPTION);if (c >= 0) { return -1; }return 0;
}
​
int display_dst(int delay)
{imshow(window_name, dst);int c = waitKey(delay);if (c >= 0) { return -1; }return 0;
}

createTrackbar 的使用

#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<iostream>
​
using namespace std;
using namespace cv;
//拖动条回调函数
void onChangeTrackBar(int pos, void *data)
{//强制类型转换Mat srcImage = *(cv::Mat*)(data);Mat dstImage;//根据拖动条的值对传入图像进行二值化threshold(srcImage, dstImage, pos, 255, 0);imshow("threshold", dstImage);
}
int main()
{//读取图像Mat srcImage = imread("C:\\Users\\guoqi\\Desktop\\ch7\\1.jpg", IMREAD_UNCHANGED);if (!srcImage.data) {cout << "read failed" << endl;system("pause");return -1;}//原图像转换灰度图Mat srcGray;cvtColor(srcImage, srcGray, CV_RGB2GRAY);namedWindow("threshold");//创建窗口imshow("threshold", srcGray);//创建滑动条createTrackbarcreateTrackbar("pos", "threshold",0, 255, onChangeTrackBar, &srcImage);waitKey(0);return 0;
}

 

3效果

 

part two 腐蚀与膨胀(Eroding and Dilating)

1原理

1.1形态学操作¶

  • 简单讲，形态学操作就是基于形状的一系列图像处理操作。将 结构元素 作用于输入图像来产生输出图像。

  • 最基本的形态学操作有二：腐蚀与膨胀(Erosion 与 Dilation)。 他们的运用广泛:

    • 消除噪声

    • 分割(isolate)独立的图像元素，以及连接(join)相邻的元素。

    • 寻找图像中的明显的极大值区域或极小值区域。

  • 通过以下图像，我们简要来讨论一下膨胀与腐蚀操作(译者注：注意这张图像中的字母为黑色，背景为白色，而不是一般意义的背景为黑色，前景为白色）:

  •  

     

    1.2膨胀

    • 此操作将图像 与任意形状的内核 ()，通常为正方形或圆形,进行卷积。

    • 内核 有一个可定义的 锚点, 通常定义为内核中心点。

    • 进行膨胀操作时，将内核 划过图像,将内核 覆盖区域的最大相素值提取，并代替锚点位置的相素。显然，这一最大化操作将会导致图像中的亮区开始”扩展” (因此有了术语膨胀 dilation )。对上图采用膨胀操作我们得到:

    背景(白色)膨胀，而黑色字母缩小了。

    1.3腐蚀

    • 腐蚀在形态学操作家族里是膨胀操作的孪生姐妹。它提取的是内核覆盖下的相素最小值。

    • 进行腐蚀操作时，将内核 划过图像,将内核 覆盖区域的最小相素值提取，并代替锚点位置的相素。

    • 以与膨胀相同的图像作为样本,我们使用腐蚀操作。从下面的结果图我们看到亮区(背景)变细，而黑色区域(字母)则变大了。

2代码

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "highgui.h"
#include <stdlib.h>
#include <stdio.h>
​
using namespace cv;
​
/// 全局变量
Mat src, erosion_dst, dilation_dst;
​
int erosion_elem = 0;
int erosion_size = 0;
int dilation_elem = 0;
int dilation_size = 0;
int const max_elem = 2;
int const max_kernel_size = 21;
​
/** Function Headers */
void Erosion(int, void*);
void Dilation(int, void*);
​
/** @function main */
int main(int argc, char** argv)
{/// Load 图像src = imread("C:\\Users\\guoqi\\Desktop\\ch7\\1.jpg", IMREAD_UNCHANGED);
​if (!src.data){return -1;}
​/// 创建显示窗口namedWindow("Erosion Demo", CV_WINDOW_AUTOSIZE);namedWindow("Dilation Demo", CV_WINDOW_AUTOSIZE);cvMoveWindow("Dilation Demo", src.cols, 0);
​/// 创建腐蚀 TrackbarcreateTrackbar("Element:\n 0: Rect \n 1: Cross \n 2: Ellipse", "Erosion Demo",&erosion_elem, max_elem,Erosion);
​createTrackbar("Kernel size:\n 2n +1", "Erosion Demo",&erosion_size, max_kernel_size,Erosion);
​/// 创建膨胀 TrackbarcreateTrackbar("Element:\n 0: Rect \n 1: Cross \n 2: Ellipse", "Dilation Demo",&dilation_elem, max_elem,Dilation);
​createTrackbar("Kernel size:\n 2n +1", "Dilation Demo",&dilation_size, max_kernel_size,Dilation);
​/// Default startErosion(0, 0);Dilation(0, 0);
​waitKey(0);return 0;
}
​
/**  @function Erosion  */
void Erosion(int, void*)
{int erosion_type;if (erosion_elem == 0) { erosion_type = MORPH_RECT; }else if (erosion_elem == 1) { erosion_type = MORPH_CROSS; }else if (erosion_elem == 2) { erosion_type = MORPH_ELLIPSE; }
​Mat element = getStructuringElement(erosion_type,Size(2 * erosion_size + 1, 2 * erosion_size + 1),Point(erosion_size, erosion_size));
​/// 腐蚀操作erode(src, erosion_dst, element);imshow("Erosion Demo", erosion_dst);
}
​
/** @function Dilation */
void Dilation(int, void*)
{int dilation_type;if (dilation_elem == 0) { dilation_type = MORPH_RECT; }else if (dilation_elem == 1) { dilation_type = MORPH_CROSS; }else if (dilation_elem == 2) { dilation_type = MORPH_ELLIPSE; }
​Mat element = getStructuringElement(dilation_type,Size(2 * dilation_size + 1, 2 * dilation_size + 1),Point(dilation_size, dilation_size));///膨胀操作dilate(src, dilation_dst, element);imshow("Dilation Demo", dilation_dst);
}

 

3运行结果

 

part three更多形态学变换¶

这篇文档将会简要介绍OpenCV提供的5种高级形态学操作：

1 原理

1.1开运算 (Opening)

开运算是通过先对图像先腐蚀再膨胀实现的。

  • 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。

1.2闭运算(Closing)

  • 闭运算是通过先对图像先膨胀再腐蚀实现的。

  • 能够排除小型黑洞(黑色区域)。

1.3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:

1.4顶帽(Top Hat)

  • 原图像与开运算结果图之差

1.5黑帽(Black Hat)

  • 闭运算结果图与原图像之差

2 代码

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>
​
using namespace cv;
​
/// 全局变量
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;
​
char* window_name = "Morphology Transformations Demo";
​
/** 回调函数申明 */
void Morphology_Operations(int, void*);
​
/** @函数 main */
int main(int argc, char** argv)
{/// 装载图像src = imread("C:\\Users\\guoqi\\Desktop\\ch7\\7.jpg", IMREAD_UNCHANGED);
​if (!src.data){return -1;}
​/// 创建显示窗口namedWindow(window_name, CV_WINDOW_AUTOSIZE);
​/// 创建选择具体操作的 trackbarcreateTrackbar("Operator:\n 0: Opening - 1: Closing \n 2: Gradient - 3: Top Hat \n 4: Black Hat", window_name, &morph_operator, max_operator, Morphology_Operations);
​/// 创建选择内核形状的 trackbarcreateTrackbar("Element:\n 0: Rect - 1: Cross - 2: Ellipse", window_name,&morph_elem, max_elem,Morphology_Operations);
​/// 创建选择内核大小的 trackbarcreateTrackbar("Kernel size:\n 2n +1", window_name,&morph_size, max_kernel_size,Morphology_Operations);
​/// 启动使用默认值Morphology_Operations(0, 0);
​waitKey(0);return 0;
}
​
/**
* @函数 Morphology_Operations
*/
void Morphology_Operations(int, void*)
{// 由于 MORPH_X的取值范围是: 2,3,4,5 和 6int operation = morph_operator + 2;
​Mat element = getStructuringElement(morph_elem, Size(2 * morph_size + 1, 2 * morph_size + 1), Point(morph_size, morph_size));
​/// 运行指定形态学操作morphologyEx(src, dst, operation, element);imshow(window_name, dst);
}

看一下程序的总体流程:

  • 装载图像

  • 创建显示形态学操作的窗口

  • 创建3个trackbar获取用户参数:

    • 第一个trackbar “Operator” 返回用户选择的形态学操作类型 (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 “Element” 返回 morph_elem, 指定内核形状:

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

    • 第三个trackbar “Kernel Size” 返回内核大小(morph_size)

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

  • 每当任一标尺被移动， 用户函数 Morphology_Operations 就会被调用，该函数获取trackbar的当前值运行指定操作并更新显示结果图像。

     /*** @函数 Morphology_Operations*/
void Morphology_Operations( int, void* )
{// 由于 MORPH_X的取值范围是: 2,3,4,5 和 6int operation = morph_operator + 2;
​Mat element = getStructuringElement( morph_elem, Size( 2*morph_size + 1, 2*morph_size+1 ), Point( morph_size, morph_size ) );
​/// 运行指定形态学操作morphologyEx( src, dst, operation, element );imshow( window_name, dst );}

    运行形态学操作的核心函数是 morphologyEx 。在本例中，我们使用了4个参数(其余使用默认值):

    • src : 原 (输入) 图像

    • dst: 输出图像

    • operation

      : 需要运行的形态学操作。 我们有5个选项:

      • ***Opening*: MORPH_OPEN : 2**

      • ***Closing*: MORPH_CLOSE: 3**

      • ***Gradient*: MORPH_GRADIENT: 4**

      • ***Top Hat*: MORPH_TOPHAT: 5**

      • ***Black Hat*: MORPH_BLACKHAT: 6**

    你可以看到， 它们的取值范围是 <2-6>, 因此我们要将从tracker获取的值增加(+2):

    int operation = morph_operator + 2;

    • element: 内核，可以使用函数:get_structuring_element:getStructuringElement <> 自定义。

3 结果

这里是显示窗口的两个截图。第一幅图显示了使用交错内核和 开运算 之后的结果， 第二幅图显示了使用椭圆内核和 黑帽 之后的结果。

椭圆内核和 黑帽 之后的结果。

 

总结

以上是生活随笔为你收集整理的OpenCV 【十八】图像平滑处理/腐蚀与膨胀(Eroding and Dilating)/开闭运算，形态梯度，顶帽，黑帽运算的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。