OpenCV實現圖像腐蝕
圖像的腐蝕過程與圖像的卷積操作類似,都需要模板矩陣來控制運算的結果,在圖像的腐蝕和膨脹中這個模板矩陣被稱為結構元素。與圖像卷積相同,結構元素可以任意指定圖像的中心點,並且結構元素的尺寸和具體內容都可以根據需求自己定義。定義結構元素之後,將結構元素的中心點依次放到圖像中每一個非0元素處,如果此時結構元素內所有的元素所覆蓋的圖像像素值均不為0,則保留結構元素中心點對應的圖像像素,否則將刪除結構元素中心點對應的像素。圖像的腐蝕過程示意圖如圖6-12所示,圖6-12中左側為待腐蝕的原圖像,中間為結構元素,首先將結構元素的中心與原圖像中的A像素重合,此時結構元素中心點的左側和上方元素所覆蓋的圖像像素值均為0,因此需要將原圖像中的A像素刪除;當把結構元素的中心點與B像素重合時,此時結構元素中所有的元素所覆蓋的圖像像素值均為1,因此保留原圖像中的B像素。將結構元素中心點依次與原圖像中的每個像素重合,判斷每一個像素點是否保留或者刪除,最終原圖像腐蝕的結果如圖中右側圖像所示。
圖像腐蝕可以用“Θ”表示,其數學表示形式如式(6.4)所示,通過公式可以發現,其實對圖像A的腐蝕運算就是尋找圖像中能夠將結構元素B全部包含的像素點。
生成常用的矩形結構元素、十字結構元素和橢圓結構:
Mat getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1));
- shape:結構元素的種類,可以選擇的參數及含義在表6-5中給出。
- ksize:結構元素的尺寸大小
- anchor:中心點的位置,默認參數為結構元素的幾何中心點。
該函數用於生成圖像形態學操作中常用的矩形結構元素、十字結構元素和橢圓結構元素。函數第一個參數為生成結構元素的種類,可以選擇的參數及含義在表給出,函數第二個參數是結構元素的尺寸大小,能夠影響到圖像腐蝕的效果,一般情況下,結構元素的種類相同時,結構元素的尺寸越大腐蝕效果越明顯。函數的最後一個參數是結構元素的中心點,隻有十字結構元素的中心點位置會影響圖像腐蝕後的輪廓形狀,其他種類的結構元素的中心點位置隻影響形態學操作結果的平移量。
腐蝕函數
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:輸入的待腐蝕圖像,圖像的通道數可以是任意的,但是圖像的數據類型必須是CV_8U,CV_16U,CV_16S,CV_32F或CV_64F之一。
- dst:腐蝕後的輸出圖像,與輸入圖像src具有相同的尺寸和數據類型。
- kernel:用於腐蝕操作的結構元素,可以自己定義,也可以用getStructuringElement()函數生成。
- anchor:中心點在結構元素中的位置,默認參數為結構元素的幾何中心點
- iterations:腐蝕的次數,默認值為1。
- borderType:像素外推法選擇標志,取值范圍在表3-5中給出。默認參數為BORDER_DEFAULT,表示不包含邊界值倒序填充。
- borderValue:使用邊界不變外推法時的邊界值。
該函數根據結構元素對輸入圖像進行腐蝕,在腐蝕多通道圖像時每個通道獨立進行腐蝕運算。
函數的第一個參數為待腐蝕的圖像,圖像通道數可以是任意的,但是圖像的數據類型必須是CV_8U,CV_16U,CV_16S,CV_32F或CV_64F之一。
函數第二個參數為腐蝕後的輸出圖像,與輸入圖像具有相同的尺寸和數據類型。
函數第三個和第四個參數都是與結構元素相關的參數,第三個參數為結構元素,第四個參數為結構元素的中心位置,第四個參數的默認值為Point(-1,-1),表示結構元素的幾何中心處為結構元素的中心點。
函數第五個參數是使用結構元素腐蝕的次數,腐蝕次數越多效果越明顯,參數默認值為1,表示隻腐蝕1次。
函數第六個參數是圖像像素外推法的選擇標志,
第七個參數為使用邊界不變外推法時的邊界值,這兩個參數對圖像中主要部分的腐蝕操作沒有影響,因此在多數情況下使用默認值即可。
需要註意的是該函數的腐蝕過程隻針對圖像中的非0像素,因此如果圖像是以0像素為背景,那麼腐蝕操作後會看到圖像中的內容變得更瘦更小;如果圖像是以255像素為背景,那麼腐蝕操作後會看到圖像中的內容變得更粗更大。
簡單示例
// // Created by smallflyfly on 2021/6/18. // #include "opencv2/opencv.hpp" #include <iostream> using namespace std; using namespace cv; void drawResult(Mat im, int num, Mat stats, Mat centroids, const string& name) { for (int i = 1; i < num; ++i) { int x = centroids.at<double>(i, 0); int y = centroids.at<double>(i, 1); cout << x << " " << y << endl; circle(im, Point(x, y), 2, Scalar(0, 0, 255), -1); int xmin = stats.at<int>(i, CC_STAT_LEFT); int ymin = stats.at<int>(i, CC_STAT_TOP); int w = stats.at<int>(i, CC_STAT_WIDTH); int h = stats.at<int>(i, CC_STAT_HEIGHT); Rect rect(xmin, ymin, w, h); rectangle(im, rect, Scalar(255, 255, 255), 2); putText(im, to_string(i), Point(x+5, y), FONT_HERSHEY_SCRIPT_SIMPLEX, 0.3, Scalar(0, 0, 255), 1); } imshow(name, im); } int main() { Mat src = ( Mat_<uchar>(6, 6) << 0, 0, 0, 0, 255, 0, 0, 255, 255, 255, 255, 255, 0, 255, 255, 255, 255, 0, 0, 255, 255, 255, 255, 0, 0, 255, 255, 255, 255, 0, 0, 0, 0, 0, 255, 0 ); resize(src, src, Size(0, 0), 50, 50, INTER_NEAREST); Mat m1, m2; m1 = getStructuringElement(0, Size(3, 3)); m2 = getStructuringElement(1, Size(3, 3)); Mat erodeM1, erodeM2; erode(src, erodeM1, m1, Point(-1, -1), 10); erode(src, erodeM2, m2, Point(-1, -1), 10); imshow("src", src); imshow("erodeM1", erodeM1); imshow("erodeM2", erodeM2); Mat xbim = imread("xiaobai.jpg"); Mat xbM1, xbM2; erode(xbim, xbM1, m1, Point(-1, -1), 2); erode(xbim, xbM2, m2, Point(-1, -1), 2); imshow("xb", xbim); imshow("xbM1", xbM1); imshow("xbM2", xbM2); Mat im = imread("rice.jfif"); Mat im1 = im.clone(); Mat im2 = im.clone(); Mat im3 = im.clone(); Mat gray; cvtColor(im, gray, CV_BGR2GRAY); Mat riceBin; threshold(gray, riceBin, 125, 255, THRESH_BINARY); Mat out, stats, centroids; int count1 = connectedComponentsWithStats(riceBin, out, stats, centroids, 8, CV_16U); drawResult(im1, count1, stats, centroids, "no erode"); Mat erodeIm1, erodeIm2; erode(riceBin, erodeIm1, m1, Point(-1, -1), 5); erode(riceBin, erodeIm2, m2, Point(-1, -1), 5); int count2 = connectedComponentsWithStats(erodeIm1, out, stats, centroids, 8, CV_16U); drawResult(erodeIm1, count2, stats, centroids, "erode1"); int count3 = connectedComponentsWithStats(erodeIm2, out, stats, centroids, 8, CV_16U); drawResult(erodeIm2, count3, stats, centroids, "erode2"); waitKey(0); destroyAllWindows(); }
以上就是本文的全部內容,希望對大傢的學習有所幫助,也希望大傢多多支持WalkonNet。
推薦閱讀:
- OpenCV實現圖像連通域
- OpenCV學習記錄python實現連通域處理函數
- OpenCV實現車輛識別和運動目標檢測
- C++ OpenCV技術實戰之身份證離線識別
- C++ opencv圖像處理實現圖像腐蝕和膨脹示例