C++ Opencv自寫函數實現膨脹腐蝕處理技巧
一、膨脹腐蝕學習筆記
二、代碼及結果分享
#include <opencv2/opencv.hpp> #include <iostream> using namespace std; using namespace cv; //定義腐蝕函數 void myErode(Mat Src, Mat Tem, Mat Dst) { int m = (Tem.rows - 1) / 2; int n = (Tem.cols - 1) / 2; for (int i = m; i < Src.rows - m; i++)//i、j的范圍保證結構元始終在擴展後的圖像內部 { for (int j = n; j < Src.cols - n; j++) { Mat SrcROI = Src(Rect(j - m, i - n, Tem.cols, Tem.rows)); double sum = 0; sum = SrcROI.dot(Tem);//矩陣對應位置相乘後求和 if (sum == 9)//結構元的9個元素均為1,和為9才能保證結構元完全包含於相應集合 Dst.at<uchar>(i, j) = 255; else Dst.at<uchar>(i, j) = 0; } } } //定義膨脹函數 void myDilate(Mat Src, Mat Tem, Mat Dst) { int m = (Tem.rows - 1) / 2; int n = (Tem.cols - 1) / 2; for (int i = m; i < Src.rows - m; i++)//i、j的范圍保證結構元始終在擴展後的圖像內部 { for (int j = n; j < Src.cols - n; j++) { Mat SrcROI = Src(Rect(j - m, i - n, Tem.cols, Tem.rows)); double sum = 0; sum = SrcROI.dot(Tem);//矩陣對應位置相乘後求和 if (sum != 0)//結構元的9個元素均為1,隻要和不為0,就能說明結構元與相應集合有交集 Dst.at<uchar>(i, j) = 255; else Dst.at<uchar>(i, j) = 0; } } } int main() { Mat mImage = imread("dada.jpg", 0); if (mImage.data == 0) { cerr << "Image reading error !" << endl; system("pause"); return -1; } namedWindow("The original image", WINDOW_NORMAL); imshow("The original image", mImage); //設置閾值將圖像二值化 const int binThreshold = 80; for (int i = 0; i < mImage.rows; i++) { uchar* pImage = mImage.ptr<uchar>(i); for (int j = 0; j < mImage.cols; j++) { if (pImage[j] > binThreshold)//事實上應將灰度值大於閾值的賦值為255,但為瞭方便後續膨脹腐蝕的計算,在這裡將其賦值為1 pImage[j]= 1; else pImage[j] = 0; } } //定義並初始化結構元 Mat mTemplate(3, 3, CV_8UC1, Scalar(1)); if (mTemplate.rows * mTemplate.cols % 2 == 0) { cerr << "The size doesn't meet the requirement !" << endl; system("pause"); return -1; } //擴展圖像邊界 copyMakeBorder(mImage, mImage, mTemplate.rows, mTemplate.rows, mTemplate.cols, mTemplate.cols, BORDER_CONSTANT, Scalar(0)); //進行圖像腐蝕 Mat mEResult = mImage.clone(); myErode(mImage, mTemplate, mEResult); //進行圖像膨脹 Mat mDResult = mImage.clone(); myDilate(mImage, mTemplate, mDResult); //進行顯示 namedWindow("The eroding image", WINDOW_NORMAL); imshow("The eroding image", mEResult); namedWindow("The dilating image", WINDOW_NORMAL); imshow("The dilating image", mDResult); waitKey(); destroyAllWindows(); return 0; }
膨脹(dilate)和腐蝕(erode)均是對白色區域而言。由結果可明顯看出,膨脹後的白色面積要比腐蝕後的大。由圖像左下角的水印變化也可直觀看出兩種操作對圖像的不同影響。
三、註意事項
在本次編程實現過程中,為瞭確定結構元是否包含於集合(或與集合是否有交集),需要讓結構元中各元素與圖像中對應位置像素值相乘後求和。Mat類型中有幾種不同類型的乘法,在這裡加以總結。
Mat A, B ;
3.1A.dot(B)
A、B對應位置元素相乘,之後將所有乘積相加求和,返回值是double型數字。要求A、B size必須相同。
#include <opencv2/opencv.hpp> #include <iostream> using namespace std; using namespace cv; int main() { uchar A[3][3] = { {1,2,3},{4,5,6},{7,8,9} }; uchar B[3][3] = { { 1,1,1 },{ 1,1,1 },{ 1,1,1 } }; Mat Src(3, 3, CV_8UC1, A); Mat Dst(3, 3, CV_8UC1, B); double Result = Src.dot(Dst); cout << "Src:" << Src << endl; cout << "Dst:" << Dst << endl; cout << "Result:" << Result << endl; system("pause"); return 0; }
3.2A.mul(B)
A、B對應位置元素相乘,返回值是和A、B等大小,同類型的Mat型矩陣。要求A、B size必須相同。若計算結果溢出,則溢出值自動變為當前數據類型下允許的的最大值。
#include <opencv2/opencv.hpp> #include <iostream> using namespace std; using namespace cv; int main() { uchar A[3][3] = { {1,2,3},{4,5,6},{7,8,9} }; uchar B[3][3] = { { 1,1,1 },{ 1,1,1 },{ 1,1,1 } }; Mat Src(3, 3, CV_8UC1, A); Mat Dst(3, 3, CV_8UC1, B); Mat Result = Src.mul(Dst); cout << "Src:" << Src << endl; cout << "Dst:" << Dst << endl; cout << "Result:" << Result << endl; system("pause"); return 0; }
到此這篇關於C++ Opencv 自寫函數實現膨脹腐蝕處理的文章就介紹到這瞭,更多相關C++ Opencv 膨脹腐蝕內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- openCV實現圖像分割
- VisualStudio2019配置OpenCV的詳細過程
- OpenCV計算平均值cv::mean實例代碼
- OpenCV-DFT最優尺寸cv::getOptimalDFTSize的設置
- C++和OpenCV實現圖像字符化效果