当前位置：首页 > news >正文

OpenCV之形态学操作

news 2025/6/28 8:15:00

形态学操作包含以下操作：

腐蚀 (Erosion)
膨胀 (Dilation)
开运算 (Opening)
闭运算 (Closing)
形态梯度 (Morphological Gradient)
顶帽 (Top Hat)黑帽(Black Hat)

其中腐蚀和膨胀操作是最基本的操作，其他操作由这两个操作变换而来。

腐蚀

用一个结构元素扫描图像中每一个像素，结构元素中的每一个像素与其覆盖像素与操作，都为1，则该像素为1，否则为0，腐蚀的作用是消除物体边界点，消除小于结构元素的噪声点。

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

src,dst:输入输出图像，可以相同；

kernel：结构元素，一般使用Ma来确定结构元素；

anchor:结构元素的描点；

iterations:操作次数；

borderType:边界类型；

borderValue:边界值，当borderType=BORDER_CONSTANT时有效；

实例：

    Mat kernal = Mat::ones(3,3,CV_8UC1);kernal.at<uchar>(0,1) = 0;kernal.at<uchar>(1,1) = 0;kernal.at<uchar>(2,1) = 0;cv::erode(_src,_src,kernal,Point(-1,-1),3);

原始图像

腐蚀图像

膨胀

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

参数意义与腐蚀完全相同

实例

    Mat kernal = Mat::ones(3,3,CV_8UC1);kernal.at<uchar>(1,0) = 0;kernal.at<uchar>(1,1) = 0;kernal.at<uchar>(1,2) = 0;cv::dilate(_src,_src,kernal,Point(-1,-1),3);

膨胀图像

开运算

开运算是先腐蚀后膨胀，作用是分离物体，消除小区域，消除噪点，而不影响原来图像

morphologyEx( InputArray src, OutputArray dst,int op, InputArray kernel,Point anchor = Point(-1,-1), int iterations = 1,int borderType = BORDER_CONSTANT,const Scalar& borderValue = morphologyDefaultBorderValue() );

其中op设置为MORPH_OPEN

实例：

Mat kernal = Mat::ones(3,3,CV_8UC1);
cv::morphologyEx(src,src,MORPH_OPEN,kernal,Point(-1,-1),2);

原图：

开运算后的图像：

闭运算

闭运算是先膨胀后腐蚀，作用是消除闭合物体里面的孔洞，可以填充闭合区域。

morphologyEx( InputArray src, OutputArray dst,int op, InputArray kernel,Point anchor = Point(-1,-1), int iterations = 1,int borderType = BORDER_CONSTANT,const Scalar& borderValue = morphologyDefaultBorderValue() );

其中op设置为MORPH_CLOSE

形态梯度

膨胀图与腐蚀图之差，能够保留物体的边缘轮廓。

cv.morphologyEx(img,cv.MORPH_TOPHAT)

礼帽运算

原图像与开运算的结果差，开运算放大了裂缝或者局部低亮度的区域，因此，从原图中减去开运算后的图,得到的效果图突出了比原图轮廓周围的区域更明亮的区域，操作和选择的核的大小相关。礼帽运算用来分离比邻近点亮一些的斑块。当一幅图像具有大幅的背景的时候，而微小物品比较有规律的情况下，可以使用顶帽运算进行背景提取。

cv.morphologyEx(img,cv.MORPH_TOPHAT)