当前位置：首页 > news >正文

C++OpenCV（7）：图像形态学基础操作

news 2025/7/27 22:22:01

🔆 文章首发于我的个人博客：欢迎大佬们来逛逛
🔆 OpenCV项目地址及源代码：点击这里

文章目录

膨胀与腐蚀
- 形态学基础

膨胀与腐蚀

膨胀与腐蚀是数学形态学在图像处理中最基础的操作。

膨胀操作是取每个位置领域内最大值，所以膨胀后输出图像的总体亮度的平均值比起原图会有所升高，图像中比较亮的区域的面积会变大，而较暗物体的尺寸会减小甚至消失。(增加高亮部分)

void dilate( InputArray src, OutputArray dst, InputArray kernel,Point anchor = Point(-1,-1), int iterations = 1,int borderType = BORDER_CONSTANT,const Scalar& borderValue = morphologyDefaultBorderValue() );
/*******************************************************************
*			src： 					输入图像
*			dst：					输出图像
*			kernel:					膨胀操作的核
*					参数为0:中心3*3的核
*			anchor：					锚点
*					(-1,-1):表示位于中心
*			iterations:				 迭代的次数
*			borderType:				 图像外部像素的某种边界模式
*			borderValue:			 边界值，一般不管
*********************************************************************/

腐蚀是相反的操作，所以腐蚀就是求局部最小值的操作。(减少高亮部分)

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： 					输入图像
*			dst：					输出图像
*			kernel:					 腐蚀操作的核
*					参数为0:中心3*3的核
*			anchor：					锚点
*					(-1,-1):表示位于中心
*			iterations:				 迭代的次数
*			borderType:				 断图像外部像素的某种边界模式
*			borderValue:			 边界值，一般不管
*********************************************************************/

getStructuringElement函数可用于构造一个特定大小和形状的结构元素，用于图像形态学处理

Mat getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1));
/*******************************************************************
*			shape： 					形状类型
*			ksize：					大小
*			anchor：					锚点
*					(-1,-1):表示位于中心
*********************************************************************/
//shape取值
enum MorphShapes {MORPH_RECT    = 0, //矩形MORPH_CROSS   = 1, //十字交叉MORPH_ELLIPSE = 2  //椭圆                   
};

void testDilate() {cv::Mat kernel = cv::getStructuringElement(cv::MorphShapes::MORPH_RECT, cv::Size(5, 5));cv::dilate(mt, saves["膨胀"], kernel);}void testErode() {cv::Mat kernel = cv::getStructuringElement(cv::MorphShapes::MORPH_RECT, cv::Size(5, 5));cv::erode(mt, saves["腐蚀"], kernel);}

在这里插入图片描述

简单总结：

膨胀：增加高亮，减少阴暗
腐蚀：增加阴暗，减少高亮

形态学基础

处理类型	操作	作用
开运算	先腐蚀再膨胀	可在纤细点出分离物体。有助于消除噪音
闭运算	先膨胀后腐蚀	用于排除前景对象中的小孔或对象上的小黑点
形态学梯度	膨胀图与腐蚀图之差	用于保留目标物体的边缘轮廓
顶帽	原图与开运算图之差	分离比邻近点亮的斑块，用于突出原图像中比周围亮的区域
黑帽	闭运算图与原图差	分离比邻近点暗的斑块，突出原图像中比周围暗的区域

函数API：morphologyEx

void 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() );
/*******************************************************************
*			src： 					输入图像
*			dst：					输出图像
*			op:						 操作类型
*			kernel:					 操作的核
*					参数为0:中心3*3的核
*			anchor：					锚点
*					(-1,-1):表示位于中心
*			iterations:				 迭代的次数
*			borderType:				 图像外部像素的某种边界模式
*			borderValue:			 边界值，一般不管
*********************************************************************/
//操作类型
enum MorphTypes{MORPH_ERODE    = 0, //腐蚀MORPH_DILATE   = 1, //膨胀MORPH_OPEN     = 2, //开操作MORPH_CLOSE    = 3, //闭操作MORPH_GRADIENT = 4, //梯度操作MORPH_TOPHAT   = 5, //顶帽操作MORPH_BLACKHAT = 6, //黑帽操作MORPH_HITMISS  = 7  //随机操作，只支持CV_8UC1模式
}

void testMorphology() {cv::Mat kernel = cv::getStructuringElement(cv::MorphShapes::MORPH_RECT, cv::Size(5, 5));cv::morphologyEx(mt, saves["膨胀"],cv::MorphTypes::MORPH_DILATE, kernel);cv::morphologyEx(mt, saves["腐蚀"], cv::MorphTypes::MORPH_ERODE, kernel);cv::morphologyEx(mt, saves["开运算"], cv::MorphTypes::MORPH_OPEN, kernel);cv::morphologyEx(mt, saves["闭运算"], cv::MorphTypes::MORPH_CLOSE, kernel);cv::morphologyEx(mt, saves["梯度"], cv::MorphTypes::MORPH_GRADIENT, kernel);cv::morphologyEx(mt, saves["顶帽"], cv::MorphTypes::MORPH_TOPHAT, kernel);cv::morphologyEx(mt, saves["黑帽"], cv::MorphTypes::MORPH_BLACKHAT, kernel);}